LFM2.5-350M 模型通过 100 步 GRPO 微调提升结构化输出性能

Hugging Face 博客发布指南，使用 TRL 库和 Group Relative Policy Optimization (GRPO) 对 LFM2.5-350M 模型进行微调，在 IFStruct 基准测试中性能提升 7.1%，从 22.6% 提升至 29.7%。微调过程仅需 500 个样本和 100 个训练步骤，适用于免费 Colab 或 Kaggle GPU，代码开源。