华为提出的S-GRPO方法有效解决了AI推理中的冗余思考问题，推理速度提升60%，准确率也有所提高。该方法通过“串行分组+衰减奖励”设计，使模型在思考初期生成高质量答案，从而显著降低计算负担，提升推理效率。实验结果表明，S-GRPO在多个推理任务中表现优异，兼顾准确性与效率。

本研究提出了S-GRPO和T-SPMO两种方法，提升了Qwen2-1.5B模型在SVAMP基准测试中的准确性，验证了在资源有限情况下强化学习调优的潜力。