请介绍GRPO算法，重点说明reward、advantage和group的概念。

Question

Accepted Answer

考察点：考察对GRPO算法核心组件及其关系的理解。回答思路：准确解释reward在GRPO中的角色 清晰说明advantage的计算方式和意义 正确描述group采样和组策略对比的作用 体现对算法整体逻辑的把握

考察说明