când oamenii spun că fac GRPO, nu înseamnă că fac GRPO *literal*, așa cum a fost formulat inițial. mai mult o chestie de vibrație. este ca atunci când oamenii spun că fac SGD, dar de fapt spun că fac AdamW

nu a ajutat faptul că toate numele de îmbunătățire au fost cam stupide. "Dr. GRPO, înseamnă GRPO [D]one [r]ight" haideți, omule. Încercați puțin mai mult

multe dintre remedieri au venit și din lucrarea DAPO, dar au fost un lucru diferit de lucrul din lucrarea care s-a numit DAPO, așa că îl vom numi GRPO de acum înainte. este în regulă. Ne referim la versiunea bună