请比较强化学习中 PPO、DPO 和 RGPO 的异同，并说明各自的适用场景。

回答思路

1. 准确说明 PPO 是基于策略梯度的在线算法，通过裁剪目标函数限制更新幅度
2. 准确说明 DPO 是离线偏好优化，直接基于偏好数据优化策略，无需显式奖励模型
3. 准确说明 RGPO 或结合组相对偏好优化的思路，并对比其与 DPO 的差异
4. 结合具体任务分析各自的适用场景与局限