Rehellisesti sanottuna uskon, että he ovat niin lojaaleja GRPO:lle lähinnä *koska* he ovat panostaneet niin paljon sen korjaamiseen ja ymmärtämiseen. He ovat valmiita maksamaan esimerkiksi pituusharhan kustannukset lyhyemmistä versioista uusista datasta. Jos et ole DeepSeek, ehkä voit vain hypätä GRPO:n yli.