训练与微调

GRPO

Group Relative Policy Optimization (GRPO)

不训价值网络、靠同一问题的一组回答互相比较来更新策略的强化学习方法。

又称 组内相对策略优化

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

PPO 需要一个和策略模型差不多大的价值网络来估计「这个回答比平均水平好多少」,显存开销大。GRPO 改成对同一个问题采样一组回答,用组内的相对得分当基线,直接省掉价值网络。

推理模型训练里它很常见,因为数学、代码这类任务的对错可以自动判定,一组答案里谁好谁坏一目了然,不需要额外学一个打分器。

✦举个例子

一道题采样 8 个解法,答对得 1 分、错得 0 分,用这 8 个分数归一化后更新模型。

✓实战提示

复现推理训练前先确认奖励函数能不能自动判对错,否则 GRPO 的优势发挥不出来。

02 什么时候会碰到它
判断一个新版本到底改了什么时

预训练、对齐、微调、蒸馏各有各的代价。看懂这组词,才能分清「知识量变了」还是「只是更听话了」,也才知道自己的业务该不该做微调。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活