2026年4月15日
DPO VS GRPO
摘要： 目录一、DPO 比 GRPO 的优势1. 训练更简单、更稳定2. 对数据要求更直接3. 成本更低4. 更适合离线偏好对齐二、GRPO 的优势在哪里1. 更适合有明确 reward 的任务2. 更适合长链路决策3. 更适合超越现有示范数据4. 对“相对排序”更自然三、什么场景 DPO 更合适？1. 有 阅读全文
posted @ 2026-04-15 21:21 向着朝阳 阅读(134) 评论(0) 推荐(0)