共计 4 篇文章

---

2026

06-21

后训练笔记 04：GRPO 变体，从归一化、ratio 到 group-aware reward

02-12

后训练笔记 03：PPO、DPO 与 GRPO

02-11

后训练笔记 02：强化学习基础

2025

12-24

后训练笔记 01：SFT 与 PEFT