用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出

Hugging Face 博客发布教程，用 TRL 库的 GRPO 对 LFM2.5-350M 做约 500 样本、100 步微调，在 IFStruct benchmark 上把通过率从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在 MacBook 本地运行，代码已开源在 GitHub。