GRPO并未过时，反而通过理论突破（如2-GRPO将组规模降至2）和多种改进变体（DAPO、Dr. GRPO等），在降低计算成本的同时保持甚至提升了性能，成为推理模型训练的核心技术之一。
GRPO并未过时，反而通过2-GRPO等创新将训练时间缩短70%，并在DAPO、Dr.GRPO等改进中持续进化，成为更高效、更灵活的强化学习算法。
