PPO、DPO、GRPO 各自的优缺点是什么？

Question

Accepted Answer

考察点：考察对主流强化学习与偏好优化算法的理解、比较与适用场景判断。回答思路：准确说明三种方法的优化目标和核心机制 分别指出其稳定性、样本效率、实现复杂度等优缺点 能结合具体应用场景说明选型理由

考察说明