编译：Ashley Sun、Haozhen 今年 9 月，Thinking Machines 发布了一篇长文 LoRA Without Regret ，通过一系列 SFT 和 RL 实验，得出 了一个结论：在特定条件下，LoRA 可以在计算资源更少的情况下，达到与全参数微调相当的性能。这 篇文章让 LoRA 这个模型微调技术又重新被重视，LoRA 不再只是全参数微调的平价替代品。 但实际上，自从 OpenAI 在 o1 模型中提出 RL 叙事，以及 DeepSeek 发布的 R1 模型解开了 RL 谜题以 来，整个 AI 行业的注意力全都集中在了 RL 上，在 OpenAI 科学家姚顺雨 看来，RL 的泛化性标志着 AI 进入下半场。 为了更深入地了解从模型微调转向 RL 的趋势，我们节选并编译了 OpenPipe 创始人 Kyle Corbitt 在 Latent Space 的最新访谈。OpenPipe 最初以 LoRA 微调工具起家，如今已经搭建起一整套 RL 产品线， 包括通用奖励函数 Ruler。2025 年 9 月 3 日，OpenPipe 被 CoreWeave 收购。 • 使用 LoRA 后， ...