#群组相对策略优化

SFT无法修复JSON错误的根因：GRPO正确性训练如何突破编码Agent瓶颈

深入分析为什么监督微调(SFT)无法解决编码Agent的JSON格式错误问题，以及GRPO(群组相对策略优化)如何通过二元奖励信号和推理权重同步机制，直接针对输出正确性训练，实现从"几乎正确"到"完全正确"的跨越。