这两篇GRPO有时间看一下

https://zhuanlan.zhihu.com/p/20395188451

化学习小白理解GRPO（一）：Deepseek R1和Qwen QwQ的制胜秘诀

 

https://zhuanlan.zhihu.com/p/23349133287

强化学习小白理解GRPO（二）：GRPO核心代码实践