请比较 GRPO、DPO、DAPO、GSPO 这几种强化学习微调方法，说明它们的核心区别和适用场景。

回答思路

1. 能准确说明 GRPO 对 PPO 的简化动机（去除价值网络）
2. 能对比 DPO 的直接偏好优化思路与强化学习框架差异
3. 能区分 DAPO 和 GSPO 在稳定训练、动态采样等方向的改进
4. 能结合具体场景说明各方法的优劣与选择依据