某 AI 研究團隊採用 GRPO（Group Relative Policy Optimization）作為一種基於強化學習的模型優化方法，用於提升大型語言模型的表現。請問 GRPO 最適合用來強化模型在哪一類任務上的表現？
答案 （C）
核心概念
GRPO 是一種強化學習的策略優化方法，特色是讓模型對同一個問題產生一組（Group）候選答案，比較它們之間的相對優劣來計算優勢值，藉此更新策略——不需要額外訓練一個價值模型，訓練成本較低。它特別適合「答案可以被明確驗證對錯」的任務，因為這樣就能用規則式的獎勵（答對給分、答錯不給分）來訓練，數學推理與邏輯解題正是最典型的場景，也是近年推理型模型訓練的主流做法。
答題技巧
快速判斷技巧：強化學習類的模型優化方法（GRPO、PPO 用於推理訓練）幾乎都指向「複雜推理任務」——數學、程式、邏輯。看到選項中有「逐步推導」就選它。
易錯陷阱：這是需要知道時事技術的題目。若不確定 GRPO 是什麼，可以用一個原則推理：強化學習的價值在於優化「多步驟決策的策略」，四個選項中只有 (C) 涉及多步驟推導，其餘都是一次性的分類或轉換。