待验证50% 置信事实精确时间

GRPO于2024年出现，被DeepSeek-R1所采用，在DPO基础上进一步简化了参考模型依赖

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/6

首次发现

有效期至：2026/10/4

来源

程序员转型AI：应用开发的机会窗口与避坑指南

bilibili码士集团-Java技术库2026/6/5

相关事实

待验证GRPO由DeepSeek团队在2024年提出，是PPO的轻量化变体81% 相似待验证Grok-1于2024年3月以开源形式发布，参数量达3140亿，采用混合专家（MoE）架构68% 相似待验证2024年以来出现了ORPO、SimPO、KTO等进一步简化的对齐算法63% 相似待验证2024年底至2025年初，DeepSeek-V3和DeepSeek-R1相继发布62% 相似待验证LoRA+DPO+ReAct组合在2024年几乎已经成为Agent项目的标准配方62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/112698

API

curl https://kongchang.com/api/v1/knowledge/claims/112698

MCP

get_claim(id=112698)