DAPO（Decoupled Alignment Policy Optimization）主要解决了什么问题？

Question

Accepted Answer

考察点：考察对DAPO算法动机与核心改进点的理解。回答思路：能说出DAPO针对的基础方法（如DPO/PPO）及其问题 解释其核心机制（如解耦、动态采样等） 能举出典型受益场景

考察说明