待验证70% 置信事实精确时间

GRPO由DeepSeek团队在2024年提出，是PPO的轻量化变体

2

来源数

70%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

扩散语言模型推理陷阱：一行代码修复「灵活性」缺陷

相关事实

待验证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62% 相似已验证DeepSeek由量化私募巨头幻方量化于2023年创立58% 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57% 相似待验证2024年底至2025年初，DeepSeek-V3和DeepSeek-R1相继发布56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/542330

API

curl https://kongchang.com/api/v1/knowledge/claims/542330

MCP

get_claim(id=542330)