kiedy ludzie mówią, że robią GRPO, nie mają na myśli, że robią *dosłowne* GRPO, jak to zostało pierwotnie sformułowane. bardziej chodzi o klimat. to tak, jak gdy ludzie mówią, że robią SGD, ale tak naprawdę mają na myśli, że robią AdamW

nie pomogło, że wszystkie nazwy ulepszeń były trochę głupie. "Dr. GRPO, to oznacza GRPO [D]one [r]ight" no weź, człowieku. postaraj się trochę bardziej

wiele poprawek pochodziło również z dokumentu DAPO, ale były czymś innym niż to, co w dokumencie nazywano DAPO, więc od teraz będziemy to nazywać GRPO. wszystko w porządku. mamy na myśli dobrą wersję