开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >PPO最强，DPO一般？一文带你了解常见三种强化学习方法，文末有大模型微调神器！

PPO最强，DPO一般？一文带你了解常见三种强化学习方法，文末有大模型微调神器！

作者头像

架构师李哲

修改于 2025-12-01 13:46:20

修改于 2025-12-01 13:46:20

150

举报

概述

很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险。这背后，其实就是一个核心问题：对齐（Alignment）。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

第四期热点征文-大模型技术

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

第四期热点征文-大模型技术

评论

登录后参与评论

0 条评论

热度

最新