Lighting Show Art of GRPO Training

這場演講將以簡明但深入的方式介紹 Group Relative Policy Optimization（GRPO） 的核心概念與應用。GRPO 是一種專為大型語言模型設計的強化學習方法，透過「群體相對優勢」比較取代傳統的 value network，顯著降低資源需求並提升訓練效率。我們將說明其基本原理、訓練流程與關鍵技巧，並分享在有限 GPU 環境下的實作經驗。