GRPO 和 PPO 的核心区别是什么？为什么 GRPO 在某些场景下更高效？

Question

Accepted Answer

考察点：考察对强化学习算法差异的理解及效率分析。回答思路：准确阐述GRPO与PPO在优势估计上的核心区别 说明GRPO如何通过组内相对奖励替代价值网络 分析GRPO在计算资源和稳定性上的优势及适用场景

考察说明