教程

09.06/苏晚/12 MIN

350M 模型 100 步 GRPO 微调：结构化输出合规率从 22.6% 抬到 29.7%

Hugging Face 最新教学把小模型做结构化输出这件事拆到了工程量级：llama.cpp 跑基线、按错误类型定向做数据增强、TRL 的 GRPO 在免费 GPU 上跑 100 步。7.1 个百分点的提升不是终点，值得看的是可搬到产线上的那个闭环。