请解释一下GRPO（Group Relative Policy Optimization）的原理和它在强化学习中的作用。

Question

Accepted Answer

考察点：考察对GRPO算法原理的理解及其与PPO等算法的关系。回答思路：明确指出GRPO是基于分组相对优势的策略优化方法 说明GRPO如何处理优势估计和基线 解释GRPO在训练（如大模型）中的典型应用场景

考察说明