SFT、DPO、PPO 与 GRPO 的目标、机制和适用条件如何比较？
Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~
问 AI
本题目录
相关面经
11 篇
快手
广告算法工程师校招秋招一面、二面
对比SFT和GRPO在训练监督信号上的核心差异
华为
大模型算法工程师一面
PPO、GRPO、DPO三者的核心逻辑以及差异对比
腾讯
后训练日常实习一面、二面
详细阐述 SFT、RL 的核心特性，以及两者对应的业务落地场景
字节跳动
AI Agent 开发秋招一面
了解SFT、PPO、DPO、GRPO这些训练方法吗？分别有什么特点？
阿里巴巴
大模型算法工程师一面
SFT完成后主流的后置训练方案包含哪些，各类方案的优化目标有什么区别？
展开剩余 6 篇面经
字节跳动
Agent 应用开发工程师二面
讲讲SFT DPO GRPO
滴滴
算法工程师实习
#发面经攒人品# 1. PPO / GRPO / DPO 的区别和适用场景
深信服
大模型算法工程师（模型微调）实习
介绍GRPO，PPO，DPO的区别
作业帮
大模型算法工程师实习一面
介绍GRPO,对比DPO,PPO
MiniMax
大模型算法工程师SFT 之后常见的 Post-Training（如 RLHF）还有哪些？它们之间的目的有何区别？
作业帮
AI 应用算法工程师实习一面
看你另外一个项目用了DPO，讲一下为什么用？DPO真的有解决你遇到的问题吗？还是那你认为DPO能否解决复读机问题呢？你怎么看SFT和DPO？
收录题集
展开剩余 12 份题集
编码题专题汇编
公司案例问答汇编
Hermes 自进化机制专题问答
SFT与指令微调
强化学习与对齐
GRPO/DPO/PPO比较 「京东、字节Seed、字节跳动、百度、美团、腾讯、腾讯混元、阿里巴巴」
展开其余 5 条原题
PPO与GRPO对比 「京东、字节跳动、百度、百度文心、腾讯、腾讯混元、蚂蚁集团、阿里巴巴」
介绍并对比DPO、PPO、GRPO、REINFORCE等强化学习算法。
DPO与其他算法对比 DPO与其他算法对比： 「京东、字节跳动、百度、美团、腾讯、蚂蚁集团、阿里巴巴、阿里通义」
DPO与其他算法对比 「京东、字节跳动、百度、百度文心、美团、腾讯、蚂蚁集团、阿里巴巴、阿里通义」
