MiniMax 大模型算法面经（一面）

秋招 · 2026-10 · 来源 牛客

聚焦大模型后训练（SFT/RL）链路，强调数据构造、训练调优、奖励设计、评估闭环与实验复盘能力

• 一面 · 八股：指令微调（SFT）中如何设计高质量指令数据配比与清洗策略
• 一面 · 项目：描述一次完整的SFT实验：从数据构造、超参调整到效果评估的全过程及关键取舍
• 一面 · 八股：如何构建奖励模型（RM），以及识别和缓解RLHF中的奖励作弊现象
• 一面 · 项目：解释一次RLHF实验中偏好数据的收集方式、训练监控指标及输出退化应对措施
• 一面 · 场景：SFT或RL训练后，如何系统性评估模型提升？请说明自动指标、评测集设计与人工评估协同方法