Hugging Face Blog·おすすめAIスコア73
LFM2.5-350MをGRPOでファインチューニングし、IFStructスコアを29.7%に改善する方法
Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps
AIによる概要
Hugging Face Blogは、TRLを使ってLFM2.5-350MをGRPOでファインチューニングする手順を公開し、IFStructのスコアが22.6%から29.7%に上がったと報告した。
推荐理由
約500件のデータと100ステップで構造化出力の評価値がどう変わるかを、学習設定と同一条件の比較から追えます。
出典：Hugging Face Blog · huggingface.co