页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「大模型对齐」找到 8 条内容
按专题浏览 →匹配题目：… GRPO（Group Relative Policy Optimization）三种优化算法的核心思想、适用场景及其在强化学习与大模型对齐中的主要区别。
匹配题目：请比较直接偏好优化（DPO）与基于人类反馈的强化学习（PPO）在大模型对齐中的应用，从算法原理、实现复杂度、训练稳定性和效果表现等方面进行分析。
匹配标题与标签：LLM 幻觉与安全风险怎么缓解? 从训练数据、解码策略到后处理,多角度应对方案 评估 幻觉检测 内容安全 RLHF 解码策略 大模型对齐 2026真题 LLM 幻觉缓解 大模型安全风险 后处理 大模型评测 字节
学习内容与项目面试，在同一条路上。
匹配标题与标签：PPO vs GRPO 怎么选? 大模型对齐中目标函数与优势估计的差异对比 RLHF与对齐 PPO GRPO RLHF 策略优化 优势估计 DeepSeek-R1 2026真题 PPO vs GRPO RLHF 算法对比 大模型对齐训练 强化学习与RLHF 字节