请分别说明DPO和PPO的原理，以及它们之间的主要区别。

回答思路

1. 准确阐述PPO的核心机制（重要性采样、截断目标、信任区域约束）
2. 准确阐述DPO的核心机制（将RLHF的奖励模型与策略优化直接耦合，通过偏好数据优化）
3. 对比两者在训练目标、复杂度、稳定性和应用场景上的差异
4. 能举例说明各自适用的场景或优势