介绍一下DPO、PPO、GRPO三者的原理与区别。

Question

Accepted Answer

考察点：考察对强化学习及偏好优化算法的理解深度和横向对比能力。回答思路：分别说明三种算法的核心原理和优化目标 清晰比较三者在大语言模型对齐场景中的差异 提及各自的优势、局限和适用场景

考察说明