请讲解 DeepSeek 的 GRPO 算法原理，并分析其在训练强化学习模型时相对 PPO 的改进点及潜在局限。

回答思路

1. 准确描述 GRPO 的组内相对奖励基线与组采样机制
2. 对比 PPO 中 critic 网络与 GRPO 去除 critic 的差异及原因
3. 说明 GRPO 在计算效率和稳定性上的改进
4. 分析 GRPO 的局限，如方差、采样成本或适用场景