#RLHF

人工智能困难

RLHF 与 DPO 的区别是什么？实际项目中如何选择？

2026-08-15

人工智能困难

什么是 reward hacking（奖励 hacking）？RLHF/RL 训练中如何缓解？

2026-08-15

人工智能中等

大语言模型从预训练到对齐的完整训练流程是怎样的？

2026-07-31

人工智能困难

RLHF 中的 PPO 与 DPO 有什么区别，各自优劣如何？

2026-07-31