免费编程教程

全部标签 Python 自动化 系统设计 可视化 开源 安全 Java Android 隐私 架构 性能 微调
最新
模型对齐与价值观

探讨大模型对齐的三 H 原则（Helpful, Honest, Harmless），了解如何通过技术手段让模型行为符合人类意图与社会价值。

人工智能 模型对齐 AI安全 价值观
5 0 0
2026-06-13
最新
GRPO 组相对策略优化

了解 Group Relative Policy Optimization 如何以组内相对优势替代单独的价值网络，降低训练开销，成为 DeepSeek 等模型的高效对齐方法。

人工智能 GRPO 强化学习 模型对齐
5 0 0
2026-06-13
最新
DPO 直接偏好优化

学习 Direct Preference Optimization 如何绕过显式奖励模型，直接从偏好对中优化策略，实现更稳定、更轻量的大模型对齐方案。

人工智能 DPO 偏好优化 模型对齐
8 0 0
2026-06-13