PPO、DPO、GRPO 与 OPD 在目标、数据和训练过程上有什么区别？
Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~
问 AI
本题目录
相关面经
1 篇深度赋智
Agent 算法 / 开发一面
讲讲 RL 里经典的 PPO / DPO / GRPO / OPD。答他们的分别大体是怎么样和相互之间的对比，讲得偏 general，没结合 reward/loss 细节。
Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~
讲讲 RL 里经典的 PPO / DPO / GRPO / OPD。答他们的分别大体是怎么样和相互之间的对比，讲得偏 general，没结合 reward/loss 细节。