题目 ID: q-5249

PPO和DPO在大模型对齐中的主要区别是什么?DPO训练通常有哪些注意事项?用过GRPO么?

频次 1

NLP与大模型

当前状态：未收藏、未完成

常见追问

暂无追问变体。

通用题库