请比较 PPO 和 GRPO 两种强化学习算法，并说明它们各自的适用场景。

回答思路

1. 准确描述 PPO 的核心机制（如 clipped surrogate objective、重要性采样）
2. 准确描述 GRPO 的核心机制（如 group relative policy optimization 或相关变体）
3. 清晰对比两者在奖励建模、样本利用、稳定性等方面的差异
4. 结合具体任务场景说明各自优劣势及适用建议