用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出

一份公开的低成本方案用 TRL 的 GRPO 对 LFM2.5-350M 做微调，仅需约 500 条样本、100 个训练步骤，即可在 IFStruct 基准上把通过率从 22.6% 提升到 29.7%，训练可在免费 Colab 或 Kaggle GPU 上完成。评测通过 llama.cpp 暴露的 OpenAI 兼容服务在本地运行，代码已开源在 GitHub。