2.26 22 强化学习（5章）

本节包含以下内容：

• 01 强化学习基础与策略梯度法
• 02 PPO 与 GRPO 原理
• 03 RLHF：DPO 与 PPO-RLHF
• 04 GRPO 与 DeepSeek-R1
• 05 多模态基础
• 22 强化学习与 RLHF