Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Medium-term (~90 days)
Relevance
7/6/2026
First Seen
Valid until: 10/4/2026
Sources
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6/5/2026
Related Claims
UnverifiedGRPO由DeepSeek团队在2024年提出，是PPO的轻量化变体81% similarUnverifiedGrok-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% similarUnverified2024年以来出现了ORPO、SimPO、KTO等进一步简化的对齐算法63% similarUnverified2024年底至2025年初，DeepSeek-V3和DeepSeek-R1相继发布62% similarUnverifiedLoRA+DPO+ReAct组合在2024年几乎已经成为Agent项目的标准配方62% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/112698API
curl https://kongchang.com/api/v1/knowledge/claims/112698MCP
get_claim(id=112698)