PPO 最强，DPO 一般？一文带你了解常见三种强化学习方法，还有大模型微调神器安利！

LLaMAFactoryOnline

12-01

很多人第一次接触各家大模型时，都会觉得它们的回答能带来意想不到的惊喜，但有时，AI回答又怪怪的、啰嗦、甚至有点危险，而这就是强化学习要解决的问题。本文带你了解常见三种强化学习方法，并推荐一款大模型微调神器，不要错过哦