Hugging Face Blog·· 29 天前精选AI 评分62
Hugging Face 用 100 步 GRPO 微调 LFM2.5-350M，IFStruct 成绩从 22.6% 提升至 29.7%
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
AI 导读
Hugging Face 发布教程，展示用 TRL 库以 GRPO 微调 LiquidAI/LFM2.5-350M 提升结构化输出合规率。训练仅用约 500 样本和 100 步，可在免费版 Colab 或 Kaggle GPU 上运行，评测经 llama.cpp 在 MacBook 本地完成。
推荐理由
原文给出完整可复现的 GRPO 微调流程和量化前后对比，读者可以用同样低成本方法提升小模型的结构化输出合规率。
来源：Hugging Face Blog · huggingface.co