后端岗位面试题更新 2026-08-05
做完 SFT 后为什么还要做 RLHF？请明确说明 RLHF 能实现哪些 SFT 做不到的效果。
美团后端开发互联网/IT技术原理方案权衡LLM
考察说明
考察对 LLM 对齐流程中 SFT 与 RLHF 差异的理解
回答思路
- 明确 SFT 只能模仿人类风格和格式，难以优化非可微的偏好目标
- 说明 RLHF 能根据人类偏好直接优化生成质量和安全性
- 指出 RLHF 能纠正 SFT 中的幻觉、偏见和有毒内容
- 对比两者在训练目标和数据上的本质区别
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。
