AI智能体📝文本创作对齐训练（RLHF/DPO）：偏好数据收集UI（从好到坏排序响应），奖励模型训练作者：promptpacks发布日期：2026-09-21观看：24#开发#AI智能体与大模型工程01/ 01复制管线含验证，PPO/DPO/ORPO训练（TRL库）含超参配置，对齐vs能力权衡监控；
