考察点：考察对GRPO算法目标函数、优化过程及与传统PPO差异的理解。回答思路：准确说明GRPO的目标函数及分组优势估计解释分组内归一化如何替代价值网络讨论GRPO在稳定性、计算开销和性能上的权衡

介绍GRPO的优化

百度人工智能专业服务技术原理方案权衡

考察说明

考察对GRPO算法目标函数、优化过程及与传统PPO差异的理解