概念Dr. GRPO
Dr. GRPO
GRPO的一种改进变体，针对原始GRPO中的偏差进行修正，优化语言模型推理能力
时间轴 (近 90 天)
10月15日
《Do Factuality Methods Make LLMs More Factual?》完成了对五种事实性对齐方法（PPO、GRPO、Dr. GRPO、DPO、KTO）的首次独立复现，使用统一基准和评审器。
待验证50%
10月15日
没有一种事实性对齐方法完全可复现，没有一种跑赢基座模型；奖励机制最终优化的其实是格式或长度，而非事实性本身。
待验证50%