DPO 专题

Hands-On Modern RL：现代强化学习实战指南

一本填补主流教程与行业实践鸿沟的现代强化学习教程。从第一行代码开始训练智能体，涵盖PPO、DPO、GRPO等算法，采用先动手后理论的学习路径，适合学生、工程师和研究人员。