关于文献的【想法和零散知识积累2】

1、【我的问题】GRPO是什么意思【deepseek】GRPO 全称是 Group Relative Policy Optimization群体相对策略优化。【我的总结】GRPO就是组内PK第一名强化最后一名弱化2、 【我的问题】SFT是什么意思【deepseek】SFT 全称是 Supervised Fine-Tuning “监督微调”【我的总结】SFT就是背标准答案学“答题格式”