GRPO

2 篇文章

1. AI 对齐技术全景：从 RLHF 到 DPO、GRPO 与可扩展监督的演进

   ai 2026-08-01

2. 推理模型技术范式：从 Chain-of-Thought 到 Test-Time Compute Scaling

   ai 2026-07-07