共计 5 篇文章

---

2025

11-29

后训练笔记 05：OPD，On-Policy Distillation

11-22

后训练笔记 04：GRPO 变体与 KTO

11-15

后训练笔记 03：PPO、DPO 与 GRPO

11-08

后训练笔记 02：SFT 与 PEFT

11-01

后训练笔记 01：强化学习基础