Bir yapay zeka araştırma ekibi, GRPO (Gradyan Temelli Ödül Optimize Edilmiş) adlı yenilikçi bir yöntem sayesinde 350 milyon parametreli bir dil modelini yalnızca 100 adımda başarıyla ince ayarladı. Bu optimizasyon, tablolar, formlar ve programlama kodu gibi yapılandırılmış çıktıların üretiminde önemli bir iyileşmeye yol açtı.
Deney sonuçları, GRPO'nun uzun süreli eğitim dönemleri veya geniş kapsamlı hesaplama kaynaklarına ihtiyaç duymadan yapılandırılmış görevlerde yüksek doğruluğun hızla elde edilmesini sağladığını ortaya koymaktadır. Bu ilerleme, orta ölçekli modellerin ticari ve araştırma uygulamalarında daha geniş bir şekilde benimsenmesinin önünü açabilir.