从算法原理和训练资源角度，解释 GRPO 相比 PPO 在哪些方面节省了计算资源，以及它为何可能成为业界更受青睐的强化学习训练方法？

Question

Accepted Answer

考察点：考察对 GRPO 算法原理及资源优化的理解。回答思路：指出 GRPO 去掉 Critic 价值网络，减少模型参数量与显存占用 说明 GRPO 使用组内相对奖励替代优势估计，降低计算复杂度 能结合训练稳定性或采样效率讨论资源节省的权衡 避免凭空关联股市等无关信息

考察说明