quando as pessoas dizem que estão fazendo GRPO, elas não querem dizer que estão fazendo GRPO *literal* como foi originalmente formulado. mais uma coisa de vibração. é como quando as pessoas dizem que estão fazendo SGD, mas na verdade querem dizer que estão fazendo AdamW

não ajudou que todos os nomes de melhoria fossem meio estúpidos. "Dr. GRPO, significa GRPO [D] um [r] ight" vamos lá cara. tente um pouco mais

muitas das correções também vieram do papel DAPO, mas eram uma coisa diferente da coisa no artigo que se chamava DAPO, então vamos chamá-lo de GRPO de agora em diante. está tudo bem. queremos dizer a versão boa