Tag: GRPO

All the articles with the tag "GRPO".

• 从零训练大模型（十六）：GRPO / RLVR 组相对优势

  13 Jul, 2026

  GRPO / RLVR 的组相对优势推导：可验证奖励、组内相对优势、去掉 critic，以及课程学习——面向数学推理的高效对齐方法。