为什么选择 DPO 而不选择 GRPO？

知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶相关面经：1 篇

暂无参考答案

未标记

本题目录

相关面经

1 篇

腾讯

大模型算法工程师

2026-05-05暑期实习一面

查看原面经 →

为什么不用 GRPO 训练，而是用 DPO 训练