Hugging Face Blog·2026-09-03 08:00· 27 天前AI 评分56

用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出合规率

Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps

AI 导读

Hugging Face 发布教程，用 TRL 库的 GRPO 对 LFM2.5-350M 做 LoRA 微调，约 500 条样本、100 步训练，在 IFStruct 基准上通过率从 22.6% 提升到 29.7%，其中 JSON 从 18.0% 升至 31.9%，YAML 基本持平。

来源：Hugging Face Blog · huggingface.co