結構化輸出

利用 GRPO 強化小規模微調提升 LLM 結構化輸出合規性：以 LFM2.5-350M 為例

該實驗成功證明了透過『精準獎勵函數』而非『海量數據』即可快速修正小型模型的格式崩潰問題，在工程實踐上具有極高價值。然而，其成效僅限於形式合規（Syntax），未能有效提升內容準確度（Semantics），因此該方案僅能作為可靠性補丁，不能替代高品質的指令微調。