共计 3 篇文章

---

2025

11-15

后训练笔记 03：PPO、DPO 与 GRPO

11-01

后训练笔记 01：强化学习基础

10-04

现代大模型笔记 05：Post-training，SFT、DPO、GRPO 到 RL 推理