最近 OpenAI Day2 展示的 demo 可能把 ReFT 带火了。实际上这不是一个很新的概念，也不是 OpenAI 原创的论文。 接下来，本文对比 SFT、ReFT、RHLF、DPO、PPO 这几种常见的技术。 几种技术之间的关系 如果把复杂的问题简单理解，这些技术之间的关系大概是： 过程 ...