如何用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出

该指南用 TRL 对 LFM2.5-350M 做 GRPO 微调，在 IFStruct 基准上的通过率从 22.6% 提升到 29.7%。训练约用 500 条 Nemotron 结构化输出样本、100 步，LoRA 只训练约 6M 参数，可在免费 Colab 或 Kaggle GPU 上跑，评测则在本地通过 llama.cpp 完成。