Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
Hugging Face Blog2268 字 (约 10 分钟)
85
使用GRPO方法微调350M模型可在100步内提升IFStruct基准性能至29.7%。
入选理由：GRPO微调使350M模型在IFStruct基准上提升7.1个百分点（22.6%→29.7%）
FeaturedArticle#GRPO#微调#IFStruct#TRL库#Hugging Face英文