來自 Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）的推文串

忘了說最重要的一點：在 DS-Math 出現之前，只有 Frontier 能做強化學習，因為 PPO 太麻煩，而 DPO 的表現又不夠好。諷刺的是，GRPO 既是他們最不起眼的貢獻，也是影響最大的貢獻。 此外：在 R1 之前，只有 Frontier 在基於結果的強化學習方面做得好。