Hugging Face Blog·· 27 天前精选AI 评分65
100步GRPO微调让350M模型结构化输出得分提升7个百分点
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
AI 导读
Liquid AI 发布教程，展示用 TRL 对 LFM2.5-350M 做约 500 样本、100 步 GRPO 微调，IFStruct 整体得分从 22.6% 升至 29.7%，JSON 通过率提升约 14 个百分点。
推荐理由
用500条样本跑100步GRPO，把350M模型IFStruct得分从22.6%提到29.7%，可复现的端侧调优路径。
来源：Hugging Face Blog · huggingface.co