Unverified50% confidenceFactExact time

DeepSeek-R1等工作探索了以GRPO替代PPO，通过组内相对评分简化价值模型估计，降低四模型并行的显存压力

1

Sources

50%

Confidence

Long-term

Relevance

7/18/2026

First Seen

Sources

5000名Kaggler实战揭秘：如何有效提升AI推理能力

Related Claims

UnverifiedDeepSeek探索了GRPO算法，作为对RLHF原始框架的改进尝试75% similar VerifiedGRPO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74% similar UnverifiedGRPO和GSPO均是PPO算法的改进变体，DeepSeek-R1凭借GRPO在推理能力上实现大幅跃升74% similar UnverifiedGRPO是DeepSeek团队提出的强化学习算法，它取消了PPO中的Critic Model，通过对同一问题生成一组回答计算组内相对奖励作为基线73% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/550663

API

curl https://kongchang.com/api/v1/knowledge/claims/550663

MCP

get_claim(id=550663)