GRPO、Dr. GRPO 与 DAPO：三种方法其实都是调节同一个数——群组标准差恒等式

论文指出，GRPO、Dr. GRPO 与 DAPO 的关键差异可统一为对组内奖励标准差的不同处理：GRPO进行除法归一化，Dr. GRPO取消除法，DAPO丢弃标准差为零的组。对于对错奖励，标准差直接决定更新强度，答案分歧最大的题目获得最大训练信号；Big-Math 数据集与受控训练实验支持这一解释。