如何在LLM培训后期间在监督微调（ SFT ）和强化学习（ RL ）之间划分固定的注释预算仍然是一个悬而未决的问题。现有工作仅具有广泛趋势的特征（例如， SFT在低数据体制中占主导地位） ，缺乏有原则的分配框架，并且没有检查最佳比率是否跨模型规模转移。我们将此问题归纳为

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.01573v1)获取最准确的信息。

---
🔗 **原文链接**: [Scaling Near-Optimal SFT-RL Annotation Budget Allocation fro](https://arxiv.org/abs/2609.01573v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Jingtan Wang, Arun Verma, Xiaoqiang Lin, Zhengyuan Liu, Nancy F. Chen, Daniela Rus, Bryan Kian Hsiang Low

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
微调的热度不如去年了，但在特定场景下依然是最稳的方案。这篇文章不画饼，讲的都是实操。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-02 14:02