游戏行业面试题更新 2026-08-05
请分别介绍 SFT、LoRA、Reward Model 和 DPO 的概念、作用及相互之间的关系。
网易游戏人工智能游戏业务理解技术原理方案权衡
考察说明
考察对大模型训练关键技术的理解深度及概念区分能力
回答思路
- 准确定义 SFT、LoRA、Reward Model、DPO 各自的目标
- 说明 LoRA 在 SFT 或 DPO 训练中的高效适配作用
- 厘清 Reward Model 与 DPO 在偏好对齐中的替代关系
- 体现对训练流程顺序和适用场景的把握
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
