推荐语

RFT在应用层的潜力仍被低估，尤其适合大规模组织的AI解决方案。

核心内容：
1. RFT实践成功率低的原因分析
2. RFT在大规模组织中的独特价值
3. 前沿模型厂对RL post-training的最新进展

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

一篇短文，刷新一下观点的有效期，没有新的观点。

我在2025年Q1有一系列文章讨论我当时在RFT上的实践，和我对于RFT价值的看法。

之后由于我跑去做别的了，所以没有再提RFT这边。但这并不代表说我不看好RFT了。

目前整个应用层对于RFT的实践仍然似乎成功率不高，不过这更多是由于其infra要求更高，以及试用问题选择需要的认知更多，需要调节的超参数更多了。门比SFT窄得多。

但作为目前少有的几大方案，RFT仍然是我们无法无视的，特别是对于一些比较大的组织，（这里的比较大是指单个BU内，单一细分岗位有100人以上的规模）。不过确实对于这种规模组织来说，如何获得第一个成功案例是比较难的，但他们也有钱可以去买一个教学案例。

我目测RFT被低估这个判断的有效期还能持续1年。

从LLM模型的用户角度观察，目前海外前沿模型厂对于RL post-training的调教已经进入了第二阶段，优化了reasoning token数。有安全报告说明GPT-5模型的思考过程已经开始出现非人话的情况，这都是（暴力）压缩reasoning token的副作用。

Agent构建平台" data-itemshowtype="0" linktype="text" data-linktype="2">RFTaaS有望成为第一种通用Agent构建平台

GRPO 实验经验笔记（1）

rag技术rag技术原理rag技术综述