CorrGRPO 用皮尔逊相关替代协方差归一化，在代码生成、工具调用与智能体安全三类多奖励任务上超过 GRPO
该工作指出 GRPO 在多奖励场景下用总奖励的组内标准差做归一化，其方差等于所有成对奖励协方差之和，因而大尺度奖励会主导归一化并压制小尺度奖励的信号；作者提出 CorrGRPO，把分母中的成对协方差替换为皮尔逊相关系数，同时保留中心化总奖励不变，并在代码生成、工具调用、智能体效用与安全三类任务、0.5B 至 8B 参数模型上与 GRPO 及 GDPO 等变体比较，报告三类任务上的性能提升以及竞争性目标之间经验帕累托前沿的外扩。