cuando la gente dice que está haciendo GRPO no quiere decir que esté haciendo GRPO *literal* tal como se formuló originalmente. más una cosa de vibra. es como cuando la gente dice que está haciendo SGD pero realmente quiere decir que está haciendo AdamW

No ayudó que todos los nombres de mejora fueran un poco estúpidos. "Dr. GRPO, significa GRPO [D]one [r]ight" vamos hombre. Esfuérzate un poco más

muchas de las correcciones también provenían del documento DAPO, pero eran algo diferente a lo que se llamaba DAPO, así que lo llamaremos GRPO de ahora en adelante. Está bien. nos referimos a la versión buena