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

說實話，我認為他們如此忠於GRPO很大程度上是因為他們投入了大量資源來修復和理解它。他們願意為了在新資料上實現更短的迭代週期而付出代價，例如長度偏差。如果你不是DeepSeek，或許你可以直接跳過GRPO。