350M規模のモデルに対しGRPOを用いた構造化出力の改善手法を公開

350M規模のモデルに対しGRPOを用いた構造化出力の改善手法を公開 https://bunrin.work/news/ja/news/fine-tuning-a-350m-model-for-better-structured-out-63612 Hugging Faceは、小規模なLFM2.5-350Mモデルに対し、Group Relative Policy Optimization (GRPO)を用いて構造化出力の遵守率を向上させる手法を公開した。