了解RL（强化学习）吗？请介绍一下GRPO（Group Relative Policy Optimization）。

Question

Accepted Answer

考察点：考察对强化学习基础概念及GRPO算法的理解。回答思路：能简要说明强化学习的基本范式和关键概念 准确描述GRPO的核心思想：基于组内相对优势而非绝对优势 说明GRPO与PPO等传统方法的区别 理解GRPO的应用场景如大模型RLHF中的优势

考察说明