标签: #llm-alignment

한국어English日本語中文

← 全部文章

• 强化学习完全精通：从 DQN、PPO 到 RLHF、DPO 的 LLM 对齐

  从 MDP 基础到 DQN、PPO、SAC、RLHF、DPO。结合 PyTorch 与 Stable-Baselines3 代码，完全精通用于 LLM 对齐的强化学习技术。

  2026-03-17 · 20 分钟阅读 #reinforcement-learning#ppo#dqn#rlhf#dpo

• DPO（Direct Preference Optimization）论文深度解析 — 无需 RLHF 对齐 LLM

  从 DPO 的数学原理到实现、与 RLHF 的比较，以及 IPO/KTO/ORPO 变体 — 从实务角度深入分析 LLM 偏好优化的核心。

  2026-03-09 · 26 分钟阅读 #ai-papers#dpo#rlhf#llm-alignment#preference-optimization