Hugging Face Blog·· 29 天前AI 评分36
用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
AI 导读
一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅约 500 条样本、100 个训练步，就把 IFStruct 基准通过率从 22.6% 提升到 29.7%。
来源：Hugging Face Blog · huggingface.co