题目 ID: q-4616 RLHF/RLAIF/DPO/GRPO 完整训练流程与核心差异 频次 2 NLP与大模型 收藏 标记完成 当前状态：未收藏、未完成 常见追问 暂无追问变体。 常见公司 字节跳动