SFT（监督微调）和基于人类反馈的对齐（如PPO/DPO）分别解决什么问题？

本题附完整参考答案与评分标准

登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。