在 GRPO 训练中，如果一组样本的优势得分（advantage）全部为 0 或 1（即无梯度或饱和），应如何处理？

回答思路

1. 指出全 0 或全 1 时归一化会导致除零或异常梯度
2. 说明应检查奖励信号质量与数据分组合理性
3. 提出加噪声、调整分组、检查基线或改用别的归一化方法
4. 能够结合实践经验说明处理边界