题目 ID: q-7336

问实习，讲了一遍实习经历，问RLHF（PPO）、DPO、RPO的区别，DPO的缺陷在哪里

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。

腾讯