- 博客(4)
- 收藏
- 关注
RSS订阅原创 RLHF-＞DPO-＞GRPO
在大模型（LLM）的演进过程中，**对齐（Alignment）**是让模型从“乱说话的概率预测器”变成“听话的智能助手”的关键。对齐的核心目标是使模型的输出符合人类的价值观、意图和偏好（即 Helpful, Honest, Harmless）。从早期的 RLHF 到如今大火的 GRPO，技术路线经历从“复杂昂贵”到“极简高效”的剧烈变革。
2026-03-16 14:31:33
366
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人