输入一个热词，快速查看术语含义、常见场景和相关概念。
集中展示常见热词解释，方便按概念和场景继续浏览。
DPO（Direct Preference Optimization）是一种新兴的AI模型对齐技术，通过直接利用人类偏好数据优化模型，省去了传统RLHF中的奖励模型训练和强化学习步骤，让语言模型更快速学习用户喜欢的回答风格。
近期常被查询的 AI 概念。
