https://ai.appwright.xyz/tags/grpo/ Recent content in GRPO on Appwright AI Hugo en-US Thu, 30 Jul 2026 19:00:00 +0800 https://ai.appwright.xyz/posts/2026-07-30-qwen-35-9b-500-dollar-rl-grpo-fine-tune-guide/ Thu, 30 Jul 2026 19:00:00 +0800 https://ai.appwright.xyz/posts/2026-07-30-qwen-35-9b-500-dollar-rl-grpo-fine-tune-guide/ FermiSenseが公開したケーススタディを徹底解説：Qwen 3.5 9BをGRPOで2,500ステップRLファインチューンし、自動車カタログレビューでGPT-5.6 Sol（93%）やClaude Opus 4.8（91%）を上回る97%精度を達成。訓練コストはたった$500、推論コストは1/68倍。再現手順と適用判断基準をコード付きで解説する。