Der Autor trainiert kompakte Language Models (LFM2.5-350M und Qwen2.5-0.5B-Instruct) für die Aufgabe, Reddit-Posts auf exakt 64 Token zusammenzufassen, nutzt dafür GRPO (eine RL-Methode) und verteilt die Rechenarbeit auf 3 Mac Minis mit dem MLX-Framework. Der zentrale technische Knackpunkt: eine Längenbeschränkung (length penalty) kollidiert mit klassischen BLEU- und ROUGE-L-Metriken, die selbst Längen-Strafen enthalten, was zu niedrigen Scores bei Training from scratch führt. Als Lösung nutzt der Autor einen bereits fein abgestimmten Checkpoint mit Längenbeschränkung als Startpunkt für weiteres GRPO-Training. Die Evaluation erfolgt über ein DeepEval-basiertes LLM-as-Judge-System mit GPT-5, das Treue, Abdeckung, Prägnanz und Lesbarkeit bewertet. Die verteilte Architektur nutzt einen Synchronous Parameter Server (SyncPS) mit MLX für Training auf dem Master-Node und vLLM-metal für Inferenz auf Worker-Knoten über smolcluster orchestriert.