大语言模型后训练技术 SFT、DPO、GRPO 的简单对比：SFT 让模型学会"听话"，DPO 让模型输出更符合人类偏好，GRPO 进一步激发推理/思考能力。三者构成从基础指令遵循到偏好对齐再到推理能力强化的递进关系。