7B模型GRPO逆袭14B！小模型也懂统筹，日程规划AI惊艳

2025年下半年，中国自媒体作者成功实践GRPO技术，利用强化学习训练Qwen2.5-Coder-7B-Instruct小型语言模型，实现日程表智能优化。该项目通过提示词与奖励机制，让模型根据事件优先级自动生成最大化加权持续时间的日程。实验揭示了GRPO在激发LLM特定行为方面的潜力，并成功超越了原始模型性能。尽管在处理事件重叠上仍有挑战，但该实践为LLM的创新应用提供了宝贵经验，所有代码已开源，展示了在计算资源有限下，GRPO训练小型模型解决复杂‘区间调度问题’的可行性。