你了解GRPO算法吗？它的优势（advantage）是如何计算的？

Question

Accepted Answer

考察点：考察对GRPO强化学习算法的理解及其优势函数计算机制。回答思路：说明GRPO的基本原理和与PPO的区别 解释优势值基于组内相对奖励的计算方式 提及基线使用、方差减少和实现简化 能指出计算中的关键细节如归一化或中心化

考察说明