用 GRPO 在 100 步内微调 350M 小模型，结构化输出合规率提升 7 个百分点

Hugging Face，Hugging Face 官方博客，关于开源机器学习、HF 生态系统与社区项目的最新动态。关注
添加评论
点赞收藏
点踩分享查看原文
评论
?
参与讨论