Olmo 3后训练与DPO复盘

播客深入讨论Olmo 3后训练、DPO数据问题和多阶段训练组织挑战。

推荐理由：重点不在DPO公式，而是近前沿模型落地时的数据偏好构造、阶段协同和扩展问题，揭示后训练瓶颈正在工程化。