发现DPO在偏好与点式约束（如安全分）冲突时存在系统性约束漂移现象，并提出动态加权修正机制

独立复现并评估DNO-Prct算法，在Llama 3.1和Mistral上验证其通过纳什均衡近似实现偏好对齐的有效性。