Tag: rlhf

All the articles with the tag "rlhf".

• 8.0

  2026 年后训练技术全景：GRPO、DAPO、RLVR 如何取代 RLHF

  Web

  13 Mar, 2026

  深度综述 GRPO、DAPO、RLVR 等后训练方法如何成为主流，以及合成自博弈数据为何让 RLHF 退出历史舞台。

  → 原文链接