待验证50% 置信事实精确时间
GRPO相比PPO降低了约50%的训练显存需求
1
来源数
50%
置信度
长期有效
时效性
2026/8/6
首次发现
来源
相关事实
待验证GRPO相比PPO省去了价值网络（Critic），直接在组内样本间比较奖励来估计优势函数，显著降低训练计算成本68% 相似待验证PPO属于on-policy算法，只能使用当前策略生成的数据进行训练，用过的数据即丢弃，导致样本效率相对较低61% 相似待验证MoE的核心权衡在于训练时需消耗更多GPU内存（所有专家权重需加载），但推理时FLOPs消耗可大幅降低61% 相似待验证LoRA（Low-Rank Adaptation）可将训练参数量减少99%以上61% 相似待验证Unsloth相比HuggingFace Transformers原生训练方案，显存占用降低约50%，训练速度提升2-5倍57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/697162API
curl https://kongchang.com/api/v1/knowledge/claims/697162MCP
get_claim(id=697162)