在训练 DPO（Direct Preference Optimization）模型时，你通常会选择哪些主流的机器学习或深度学习库？请说明理由。

回答思路

1. 能列出至少一个主流深度学习框架，如 PyTorch 或 Transformers
2. 能说明所用库在实现 DPO 中的具体作用，如加载模型、数据处理或损失计算
3. 能结合实践说明选型理由，如生态成熟度、易用性、与现有代码兼容性