面试官：GRPO的训练数据能否与之前的SFT完全一样？

编辑手记 · 大模型读完弹幕后的判断

短小聚焦一个面试高频问题，有概念辨析，但深度有限、推导不足

讲解GRPO训练数据能否与SFT数据完全一致，涉及动态采样与RLVR等概念

适合谁

准备大模型面试的算法学习者

前置

了解SFT与强化学习基础

难度

中等 · ●●●○○

时效

有时效 · 部分工具已变

类型

教程