题目 ID: q-4404 Deepseek GRPO，讲讲原理和之后的改进 频次 4 NLP与大模型 收藏 标记完成 当前状态：未收藏、未完成 常见追问 Deepseek GRPO,讲讲原理和之后的改进 常见公司 通用题库小红书