当人们说他们在做 GRPO 时，他们并不是在做 *字面上的* GRPO，正如最初所制定的那样。更像是一种氛围的感觉。这就像人们说他们在做 SGD，但实际上他们的意思是他们在做 AdamW。

所有改进的名称都很愚蠢，这一点并没有帮助。"Dr. GRPO，它代表的是 GRPO [D]one [r]ight"，拜托，努力一点吧。

许多修复也来自于 DAPO 论文，但与论文中称为 DAPO 的内容不同，所以我们从现在开始就称它为 GRPO。没关系。我们指的是好的版本。