https://guijiagi.com/tags/instructgpt/Recent content in InstructGPT on AI 实战派 · 从技术到赚钱Hugozh-cn本站内容采用 CC BY-NC-SA 4.0 国际许可协议授权Wed, 07 Oct 2026 18:06:00 +0800https://guijiagi.com/posts/2026-10-07-paper-instructgpt-rlhf-dpo/Wed, 07 Oct 2026 18:06:00 +0800https://guijiagi.com/posts/2026-10-07-paper-instructgpt-rlhf-dpo/RLHF 让模型学会人类偏好，DPO 又绕开了强化学习。拆解这套「对齐三部曲」的问题、方法与演进逻辑。