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”