La GRPO è una tecnica di apprendimento per rinforzo che confronta gruppi di risposte prodotte per una richiesta, usando ricompense relative al gruppo. È stata impiegata nella ricerca sui modelli capaci di risolvere problemi verificabili, come alcuni esercizi matematici.
Esempio pratico
Più soluzioni candidate vengono valutate rispetto a un risultato controllabile, contribuendo all’aggiornamento del modello.
Cosa tenere presente
Il metodo dipende dalla qualità del segnale di ricompensa e non rende automaticamente corretto il ragionamento. Compiti aperti o giudizi soggettivi richiedono valutazioni ulteriori.
Termini correlati
Fonte di riferimento: documentazione o ricerca originale. Verificata il 16 ottobre 2026.