请从 PPO、GRPO、DPO 中任选一种 RLHF 方法，并说明其核心机制与主要优缺点。

回答思路

1. 准确说明所选方法的训练目标或更新机制
2. 清晰描述其在 RLHF 流程中的位置与作用
3. 客观对比该方法与其他方法的优缺点
4. 结合公式或关键细节体现理解深度