题目 ID: q-5363 大模型训练全流程（预训练→SFT→RLHF→DPO），仅 SFT 不做 RLHF 的核心问题 频次 1 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 腾讯