MiniMax 后训练(SFT / RL)面经(一面、二面)
秋招 · 2026-09 · 来源 牛客
追问到数值细节,跑过开源脚本不够。
一面 · 八股:PPO 与 DPO 的核心差异,什么场景用 DPO
一面 · 项目:SFT 学习率、warmup、上下文扩展方案
一面 · 八股:RM 的对比数据如何构造,排序一致性
一面 · 八股:PPO 的 KL 系数怎么调,策略崩溃如何处理
二面 · 项目:最大效果提升来自哪个改动,如何归因(消融)
二面 · 场景:为通用助手设计后训练的数据配比与阶段