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。
「RL 强化学习图解」找到 1 条内容
匹配正文：…学习成果 目标是理解 PPO / DPO / GRPO 的损失、训练过程与选型边界。 适合谁 想进大模型训练 / 对齐方向的同学 RL 强化学习图解知识点地图 想跟着老师完成项目 需要项目实现、代码复盘和面试指导，可以了解大模型训练营的课程安排。
学习内容与项目面试，在同一条路上。