GRPO, Dr. GRPO und DAPO sind drei Operationen auf einer Zahl: Die Gruppen-Standardabweichungs-Identität

arXiv:2607.00152v1 Ankündigung: Neue Arbeit Abstract: Drei der beliebtesten Methoden zum Training von Language Models zum Reasoning sehen wie drei verschiedene Tricks aus. Das sind sie nicht. Alle drei passen eine einzelne Zahl an: Standardabweichung, die widerspiegelt, wie sehr sich die gesampleten Antworten eines Prompts unterscheiden. Wenn ein solches Modell…