待验证50% 置信发布精确时间
SuperGrok 订阅用户可以在 Zed 的 Agent Panel 中使用 Grok 模型
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/4
首次发现
有效期至：2027/1/2
来源
涉及实体
相关事实
待验证Qwen2.5后训练首次在在线阶段使用GRPO，GRPO是DeepSeek团队提出的PPO轻量化变体，去掉独立价值网络，用组内平均奖励作为基线61% 相似待验证Grok 系列强调与 X 平台的深度整合，能够访问实时信息59% 相似已验证GRPO（Group Relative Policy Optimization）由DeepSeek提出，无需单独训练价值网络，已成为当前智能体RL训练的主流算法选择58% 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58% 相似待验证DeepSeek探索了GRPO算法，作为对RLHF原始框架的改进尝试57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/971257API
curl https://kongchang.com/api/v1/knowledge/claims/971257MCP
get_claim(id=971257)