DeepSeek-R1 放弃了传统的 PPO 算法，转而采用 GRPO。理解这篇论文的关键，在于理解下面这个核心目标函数及其背后的数学动机

作者: Muhammad Maaz, Hanoona Rasheed, Salman Khan, Fahad Shahbaz Khan

给定一个只包括 ’(’，’)’，’{’，’}’，’[’，’]’ 的字符串 s ，判断字符串是否有效。