待验证50% 置信事实精确时间

DeepSeek探索了GRPO算法，作为对RLHF原始框架的改进尝试

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

BAML：专为AI Agent设计的类型安全编程语言

相关事实

待验证Anthropic提出了RLAIF和Constitutional AI，DeepSeek探索了GRPO算法，都是对RLHF原始框架的改进84% 相似已验证DeepSeek-R1通过在代码和数学两个可验证域上大规模运行GRPO算法取得成功83% 相似待验证DeepSeek在训练阶段大量使用GRPO算法替代传统的RLHF来压缩训练成本81% 相似已验证GRPO由DeepSeek团队系统化提出并在训练DeepSeek-R1系列模型时得到大规模验证79% 相似待验证DeepSeek R1通过GRPO算法仅用ORM即可涌现出长程推理能力78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/563140

API

curl https://kongchang.com/api/v1/knowledge/claims/563140

MCP

get_claim(id=563140)