CorrGRPO：面向多奖励学习的相关性归一化 GRPO

针对 GRPO 在多奖励场景下直接求和并按组内标准差归一化、导致优势被奖励协方差放大的问题，研究者提出 CorrGRPO，用相关性归一化处理多奖励学习。该方法指出固定中心化奖励时，聚合协方差越大优势越小，从而让更新幅度随奖励依赖关系自适应调整。