题目 ID: q-5364 PPO/DPO 损失函数详解，RAFT/ReST 等前沿对齐算法了解 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