| H | Method | G=16 | G=32 | G=64 | G=128 | G=256 | G=512 | G=1024 | G=2048 |
|---|
| 4 | GRPO | 0.4535±0.0005 | 0.4539±0.0000 | 0.3981±0.1115 | 0.3983±0.1113 | 0.2985±0.1059 | 0.2985±0.1060 | 0.2457±0.0223 | 0.2429±0.0235 |
|---|
| | IPS-GRPO | 0.1277±0.0006 | 0.0420±0.0018 | 0.0019±0.0005 | 0.0003±0.0003 | 0.0001±0.0000 | 0.0001±0.0000 | 0.0001±0.0000 | 0.0000±0.0000 |
|---|
| | MIPS-GRPO | 0.0014±0.0005 | 0.0006±0.0004 | 0.0004±0.0002 | 0.0006±0.0004 | 0.0002±0.0001 | 0.0001±0.0000 | 0.0001±0.0000 | 0.0001±0.0000 |
|---|
| 8 | GRPO | 0.5062±0.0002 | 0.5047±0.0033 | 0.5066±0.0002 | 0.5067±0.0002 | 0.5068±0.0001 | 0.5068±0.0001 | 0.5066±0.0004 | 0.4525±0.0625 |
|---|
| | IPS-GRPO | 0.2430±0.1222 | 0.0999±0.0046 | 0.0781±0.0010 | 0.0750±0.0003 | 0.0173±0.0027 | 0.0005±0.0002 | 0.0001±0.0001 | 0.0001±0.0001 |
|---|
| | MIPS-GRPO | 0.0042±0.0021 | 0.0016±0.0006 | 0.0011±0.0004 | 0.0008±0.0004 | 0.0009±0.0003 | 0.0006±0.0005 | 0.0003±0.0001 | 0.0002±0.0001 |
|---|