为什么选择GRPO而不是其他强化学习算法？它相比之前的方法效果提升多少？

Question

Accepted Answer

考察点：考察算法选型依据与效果量化能力。回答思路：说明GRPO相比PPO等算法的核心优势 给出可量化的效果对比数据 能解释选型与任务场景的匹配关系

考察说明