请介绍你对DeepSeek采用的GRPO（Group Relative Policy Optimization）训练方法的理解。

回答思路

1. 能说明GRPO与PPO的主要区别，即去掉Critic模型、基于组内相对奖励估计优势
2. 能解释组内采样与基准归一化的基本流程
3. 能结合DeepSeek-R1等公开信息说明GRPO在推理强化学习中的应用背景