GRPO的公式是什么，这样做为什么更好？

Question

Accepted Answer

考察点：考察对GRPO算法核心公式及其相对PPO优势的理解。回答思路：能准确写出GRPO的损失函数或更新公式 能解释GRPO如何通过组内相对优势估计替代价值函数 能说明GRPO相较于PPO在内存与计算开销上的优势 能提及GRPO的稳定性和实现细节

考察说明