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。
「对齐训练」找到 8 条内容
按专题浏览 →匹配标题与标签：… 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
匹配题目：请解释PPO、GRPO和DPO这三种策略优化方法的基本原理，并比较它们在强化学习与大模型对齐训练中的异同与适用场景。
匹配标题与标签：…RL 怎么衔接? 经典后训练流程、数据迭代、replay 和再次 SFT 的证据边界 RLHF与对齐 SFT RLHF 语言退化 对齐训练 灾难性遗忘 2026真题 SFT 偏好优化 RL 流程 大模型后训练流程 PPO-ptx 后训练数据迭代 能力回退 强化学习与RLHF 网易
学习内容与项目面试，在同一条路上。
匹配正文：… 实际落地：两者可以互补，但不是幻觉成因的一一划分，也不构成完整正确性保证。分别检查检索证据、回答事实与引用、安全行为，再比较增加对齐训练是否有收益。 学习建议 建议系统学习该知识点 参考资料 RAG 原论文 InstructGPT 原论文 DPO 原论文