02 Alignment & Safety

对齐与安全：RLHF、DPO、RLAIF、Constitutional AI、Red-teaming、Jailbreak 防御、价值观对齐等。

---

LLM RL 训练

论文	关键词	时间
R³L	GRPO 改进、语言引导探索、Pivotal Credit、Positive Amplification	2026.01