摘要： dppo、drpo、ode、sde、flowmatching算法任务 背景：强化学习（Reinforcement Learning, RL） 、大模型、多模态 算法 ： dppo drpo ode sde flowmatching 1、听懂迭代后算法 2、概念得懂 总结与关联性 概念 核心思想 典型 阅读全文