Hugging Face Blog·· 2026-09-03精选AI 评分70
用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出能力
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
AI 导读
Hugging Face 教程展示用 TRL 的 GRPO 对 LFM2.5-350M 做 100 步结构化输出微调，IFStruct 通过率从 22.6% 提升到 29.7%。
推荐理由
给出可在免费 GPU 复现的 GRPO 微调流程、奖励函数和 IFStruct 前后对比，适合参考小模型结构化输出优化。
来源：Hugging Face Blog · huggingface.co