#Alignment

Preference Optimization: RLHF·DPO·KTO·GRPO 제대로 구분하기 (5/10)

RLHF·PPO, DPO·IPO, KTO, GRPO를 feedback 형태와 online·offline 학습으로 비교하고 reward hacking, KL drift, verifiable reward, RAG Agent 평가를 설계합니다.