用 100 步 GRPO 微调 LFM2.5-350M 提升结构化输出能力

一份公开教程用 TRL 的 GRPO 对 LFM2.5-350M 做轻量微调，仅约 500 条样本、100 个训练步，就把 IFStruct 基准分数从 22.6% 提升到 29.7%。训练可在免费 Colab 或 Kaggle GPU 上完成，评测则通过 llama.cpp 在本地 MacBook 上跑 OpenAI 兼容服务。