Unverified70% confidenceFactExact time

GRPO由DeepSeek团队在2024年提出，是PPO的轻量化变体

2

Sources

70%

Confidence

Long-term

Relevance

7/17/2026

First Seen

Sources

扩散语言模型推理陷阱：一行代码修复「灵活性」缺陷

Related Claims

UnverifiedGRPO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% similar UnverifiedGrok-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% similar VerifiedDeepSeek由量化私募巨头幻方量化于2023年创立58% similar Unverified2024年以来出现了ORPO、SimPO、KTO等进一步简化的对齐算法57% similar Unverified2024年底至2025年初，DeepSeek-V3和DeepSeek-R1相继发布56% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/542330

API

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

MCP

get_claim(id=542330)