pipeline super sympa, pour résumer ils : 1. reformulent la tâche spécifiée par l'utilisateur, 2. génèrent quelques exemples d'entraînement synthétiques divers (n=25) (en tirant parti de l'ICL avec une grande fenêtre de contexte pour garantir la diversité), 3. entraînent le modèle avec GRPO + LoRA, en utilisant les rubriques RULER comme récompense.