标签: #constitutional-ai
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 1 篇
从 RLHF 到 DPO：LLM 对齐（Alignment）技术论文深度解析
深度解析 LLM 对齐技术的核心论文。系统梳理 InstructGPT 的 RLHF 流水线、Anthropic 的 Constitutional AI、DPO 的数学基础、PPO 训练稳定性，以及 KTO/IPO/ORPO 等最新研究，并整理实务应用方案。
2026-03-13 · 18 分钟阅读 #ai-papers#rlhf#dpo#alignment#ppo