SFT、DPO、PPO 与 GRPO 的目标、机制和适用条件如何比较？
暂无参考答案
未标记
本题目录
相关面经
6 篇
阿里巴巴
大模型算法工程师一面
SFT完成后主流的后置训练方案包含哪些，各类方案的优化目标有什么区别？
字节跳动
Agent 应用开发工程师二面
讲讲SFT DPO GRPO
滴滴
算法工程师实习
#发面经攒人品# 1. PPO / GRPO / DPO 的区别和适用场景
深信服
大模型算法工程师（模型微调）实习
介绍GRPO，PPO，DPO的区别
作业帮
大模型算法工程师实习一面
介绍GRPO,对比DPO,PPO
展开剩余 1 篇面经
MiniMax
大模型算法工程师SFT 之后常见的 Post-Training（如 RLHF）还有哪些？它们之间的目的有何区别？