请比较DPO、PPO和GRPO三种强化学习算法的优劣势。

Question

Accepted Answer

考察点：考察对强化学习算法原理、适用场景和差异的理解。回答思路：准确说明每种算法的基本思想和核心机制 分别指出各自的优势与局限 能结合应用场景（如大模型对齐）说明选择依据

考察说明