Agentic Research
EN

GRPO

GRPO 讓同一題的多個答案互相比較，再依相對表現更新模型。

你會在什麼時候遇到它

近一年模型卡常見的訓練法縮寫；認得即可，初學不需要實作。

相關詞條

Fine-tune（微調）Pre-training（預訓練）Post-training（後訓練）

下一步