GRPOはドキュメントの中に
Hugging Faceのトレーニングエージェントのセッションは、視聴者をワークフロー内のGRPOドキュメントへ案内する。これで手法は具体的になり、教えられるものになる。Narimissaの2025年論文は、小型化したR1モデルにSFT-GRPOのアラインメントを適用しており、GRPOが文書化されたアラインメント工程の一部であることを裏づける。どちらの資料も、GRPOだけでR1が生まれたとは主張していない。データ、教師ありファインチューニング、評価の中の、設定された一工程として扱っている。






