为什么在强化学习训练中不使用PPO，而选择GRPO？GRPO有哪些好处？

Question

Accepted Answer

考察点：考察对PPO与GRPO算法差异的理解及在具体场景下的选型理由。回答思路：准确阐述GRPO与PPO在策略优化目标上的核心区别 说明GRPO在计算效率与实现简化上的优势 分析GRPO引入组内相对奖励对减少方差的作用 指出GRPO放弃critic模型后的权衡与适用场景

考察说明