GRPO 对比 DPO 和 PPO 的优势是什么？

Question

Accepted Answer

考察点：考察对强化学习微调方法（GRPO、DPO、PPO）的原理差异及适用场景的理解。回答思路：能分别简述 PPO、DPO、GRPO 的核心机制 能说明 GRPO 相对于 PPO 在资源效率和稳定性上的改进 能说明 GRPO 相对于 DPO 在无需显式奖励模型和更灵活优化上的差异 能结合具体应用场景（如 LLM 对齐）讨论优劣

GRPO 对比 DPO 和 PPO 的优势是什么？

考察说明

回答思路