间。” “rlhf和dpo同理，对齐策略最多贡献两到三个点。” 那就只有一个解释了。 光标闪了很久。 刘大海没有接着写。 程远这时走了回来：“刘博士，郑总让咱们明天上午去一趟，技术方面我不太懂，你准备一下？”