när folk säger att de gör GRPO menar de inte att de gör *bokstavligen* GRPO som det ursprungligen formulerades. mer av en vibe sak. det är som när folk säger att de gör SGD men de menar verkligen att de gör AdamW

Hjälpte inte att alla förbättringsnamn var lite dumma. "Dr. GRPO, det står för GRPO [D]one [r]ight" kom igen mannen. försök lite hårdare

många av korrigeringarna kom också från DAPO-dokumentet men var en annan sak än det som stod i dokumentet som kallades DAPO, så vi kommer bara att kalla det GRPO från och med nu. Det är bra. Vi menar den goda versionen