### **什么是强化学习（Reinforcement Learning，RL）？** 强化学习是一种通过**试错机制**学习如何在环境中做出决策的机器学习方法。与监督学习不同，它没有直接的正确答案

LLM中的强化学习：PPO、DPO、KTO等。 为什么要用强化学习训练、强化学习算法发展脉络、常见的强化学习算法：PPO、DPO、KTO等等