题目 ID: q-96

强化学习和RAG问的比较多，但是因为我本人都只是做过demo级别的项目，回答的不是很好，被面试官一直质疑，以及一些PPO和DPO的细节，输入数据集格式是否一样，评测标准（答的BLEU和ROUGE），了不了解其他框架，其他指标，论文也被质疑贡献