ChatGPT 架构师，刚发布了最新研究成果

距第二篇研究仅过去三天，Thinking Machines 再度发布第三篇技术博客。

本研究由 OpenAI 联合创始人之一 John Schulman 担纲核心作者，公司创始人、前 OpenAI CTO Mira Murati 也第一时间转发支持。

新研究聚焦 LoRA 参数高效微调方法，题为《LoRA Without Regret》，深入探讨了 LoRA 在何种条件下可匹敌全量微调（FullFT）的性能，并提出了一套显著降低调参复杂度的简化方案。

当前主流大模型参数规模动辄上万亿，预训练数据高达数十万亿 token，但实际应用中，下游任务通常数据量小、领域特定。

若采用 FullFT 更新全部参数，计算资源消耗巨大，极不经济。

作为参数高效微调（PEFT）的核心技术，LoRA 通过引入低秩矩阵 A 和 B（参数量远少于原始权重）来捕捉微调增量，但长期存在争议：其性能是否真能追平 FullFT？

John Schulman 与 Thinking Machines 团队给出了明确答案：只要把握关键细节，LoRA 不仅能达到与 FullFT 相同的样本效率，最终性能也完全一致。

以下是三大核心发现：

LoRA 最优学习率约为 FullFT 的 10 倍

研究团队通过系统性实验总结出三点结论：

在中小规模数据集上，LoRA 性能与 FullFT 相当；

LoRA 应用于所有层效果最佳，而非仅注意力层；

LoRA 的最优学习率稳定在 FullFT 的 10 倍左右。

首先，在中小数据集场景下，LoRA 完全可与 FullFT 正面抗衡。

团队使用 Llama 3、Qwen3 等模型，在指令跟随导向的 Tulu3 数据集和推理密集型的 OpenThoughts3 数据集上进行测试。

结果显示，高秩 LoRA（如秩 512）的学习曲线与 FullFT 几乎完全重合，损失值随训练步数呈对数线性下降；

仅当数据集规模远超 LoRA 容量时，其效率才略有下降，而此类情况在常规后训练中极为罕见。

更值得注意的是，在 MATH、GSM 等数学推理类强化学习任务中，即便将 LoRA 秩降至 1，其表现仍与 FullFT 持平。

其背后原因在于强化学习的信息特性：每轮训练仅需通过 scalar 优势函数获取 O(1) 比特信息，而秩 1 LoRA 的参数容量已绰绰有余，甚至存在冗余。

其次，在 LoRA 层的选择上，全层覆盖优于局部应用，打破“仅注意力层有效”的传统认知。

以往许多实践倾向于只在注意力模块部署 LoRA，但本次实验结果颠覆了这一做法。

仅作用于注意力层的 LoRA 表现明显落后，即便提升其秩（如秩 256）以匹配 MLP 层 LoRA（秩 128）的参数量，性能差距依然显著；

而当 LoRA 覆盖所有层，尤其是参数占比最高的 MLP 层与 MoE 层时，性能大幅提升。甚至单独在 MLP 层应用 LoRA，效果已接近“MLP + 注意力”双层配置。

ChatGPT

最最强大的AI聊天机器人程序，ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

211

查看详情

根本逻辑在于：模型梯度主要由参数量大的层主导，只有实现全层覆盖，LoRA 的优化动态才能逼近 FullFT，从而释放全部潜力。

最后，针对 LoRA 超参数调试困难的问题，研究团队提出了大幅简化的调参策略。

许多用户因调参复杂而却步，但研究发现，LoRA 的最优学习率存在清晰规律——约为 FullFT 的 10 倍。（目前为实验观察，理论解释仍在完善中）

该比例在 14 个不同模型于 Tulu3 数据集上的测试中高度稳定。

同时，得益于 1/r 缩放因子的作用，不同秩下的最优学习率差异极小。在秩 4 至 512 范围内，变化不足 2 倍；在短期任务中，秩的影响几乎可忽略。

更具实用价值的是，LoRA 的 4 个潜在超参数中，有 2 个为冗余项。实际调参只需关注“初始更新规模”与“A 矩阵偏离初始状态的步数”两个维度。

此举直接将调参工作量减少一半。

John Schulman：从 OpenAI 到 Thinking Machines

本研究由 OpenAI 联创、曾短暂加入 Anthropic 后迅速转投 Thinking Machines 的 John Schulman 主导。

他博士毕业于加州大学伯克利分校，师从强化学习泰斗 Pieter Abbeel。

在 OpenAI 任职九年期间，他主导了 GPT-3.5、GPT-4 到 GPT-4o 的对齐与后训练工作，被业界誉为“ChatGPT 架构师”。

Google Scholar 显示，其论文引用近 14 万次。

其中最具影响力的是《Proximal policy optimization algorithms》，PPO 算法已成为 RLHF 中强化学习的核心组件。

离开 OpenAI 时，Schulman 表示希望回归核心技术研发。这一愿景促使他加入 Thinking Machines，现以首席科学家身份开启新篇章。

参考链接：

[ 1 ] https://www.php.cn/link/991a05e06918a7f3d363117f9692e9c9

[ 2 ] https://www.php.cn/link/6fc838626a3f3a11ad0c84dd302d6a8a

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

— 完 —

年度科技风向标「2025 人工智能年度榜单」评选报名开启啦！我们正在寻找 AI+ 时代领航者 点击了解详情

企业、产品、人物 3 大维度，共设立了 5 类奖项，欢迎企业报名参与

一键关注 点亮星标

科技前沿进展每日见

以上就是ChatGPT 架构师，刚发布了最新研究成果的详细内容，更多请关注php中文网其它相关文章！