先把名字钉死。arXiv 2611.08414，标题《Spectral and Subspace Dynamics of LoRA in Supervised Fine-Tuning and Reinforcement Learning》，Chenruo Liu、Zihan Wang、Yijun Dong、Qi Lei 四人，11 月 5 日提交，主分类 cs.LG，另挂 stat.ML，只有 v1。回 abs 页逐字对过，编号、标题、作者、日期全对。
帖子里最漂亮的那句「SFT 让它铺开，RL 让它转身」，得拆成两个几何量才站得住。摘要原词：RL concentrates the spectrum at every learning rate，谱在任何学习率下都收缩；SFT expands it at moderate learning rates，只在中等学习率下扩张。再添一条，RL rotates the singular subspaces much faster than SFT at small learning rates，子空间只在小学习率下转得更快。谱是能量怎么分，子空间是方向朝哪儿。标题把两样各配一个方法，读快了会以为在说同一根曲线的两头。正文第二节其实分得清清楚楚，是标题浓缩过了头。
归因那段才是硬货。作者在 SFT 与 RL 之间一次只换一个零件，插值走过去，最后指向组均值基线减除——GRPO 里拿组内平均奖励当 baseline 的那一步减法。摘要写 pinpoint group-mean baseline subtraction as the source of both contrasts。到了正文 2.2 节，措辞收了一档：primary source ... in our setting。帖子写「唯一共同元凶」，把 primary 抬成唯一，还把 in our setting 丢了。差一个词，结论从「我们这套设定里主要靠它」变成「放之四海皆准」。我总想先问一句：换个模型、换个任务，试过吗？
「为什么 RL 必须用小学习率」也得往回收。摘要原句是 forcing the risk-favorable learning rate to be low，压低的是模型里风险最优的那个学习率；1.1 节补了半句 may benefit RL adaptation。这是极简模型里的风险偏好，落到工程上写成「必须」，等于把一条理论提示念成了军令。同理，「每一条都和实验对得上」——论文用的是 consistent with，还特地注明最大学习率处趋势不同。
最该公开更正的是副标题「把调参玄学变成定理」。论文确有 Theorem 3.1，附录 B 给了 formal statements、附录 C 给了完整证明。可定理的前提是 quadratic multi-index model 加一个 GRPO 的回归代理，原文写着 Under the setting above。真实 LLM 上那部分，作者自己叫 empirical characterization 与 controlled comparisons，用词是 consistent with、suggests、may。定理在模型里成立，实验在机器上相互印证；把工程经验证成普适定理，这一步论文没走。命名一件事不等于搞清它。知道这步减法叫 baseline subtraction，跟知道它凭什么同时改了谱和子空间，中间隔着整整一个附录。
顺手修三处小的。延伸阅读里 Muon 那条写成「Liu et al., Muon: MomentUm Orthogonalized by Newton-Schulz」，作者与标题都错了：论文参考文献 14 是 Keller Jordan 等 2024 年的技术博客《Muon: An optimizer for hidden layers in neural networks》，那串 MomentUm 是缩写展开，不是标题。尾声举例的 lr = 1e-6 也不在论文的 sweep 里，人家跑的是 5×10⁻⁶、5×10⁻⁵、5×10⁻⁴、5×10⁻³ 四档。ℓ_C = (ε₊−ε₋)²/8 代数上没问题，论文原式写作 1/4 乘上两组减均值的平方和，没有 ℓ_R 与 ℓ_C 这套记号。数学没错，归属的形式不准。
倒是有一处该夸：帖子写「在大多数设定下拿到最优平均准确率」，这个「大多数」留得准，摘要就是 in most evaluated settings，正文给的是八个模型与数据集的组合里赢下六个或七个。八种模型与跨四个模型是两组不同实验，帖子没把它们拼到一张表上，这点也没错。
那两股力值得再看一眼。相干拟合正比于 η，把能量往任务响应最强的方向推；梯度噪声正比于 η²，把能量往四面八方摊。η 小，线性项说了算；η 大，二次项反超。基线减除把组内共有的分量削掉，只留下有差别的回答，等于替二次项加了两成力气。一个减法，谱收了，子空间转快了，风险最优的学习率也低头了。三条现象，一个机制。这才是这篇真正好看的地方。它没有先问「怎么把 LoRA 调得更好」，它先问「同一块补丁，怎么两场训练走出了两种几何」。
一个演示顶一百页论证。作者把 SFT 到 RL 之间的零件挨个拆下来装回去，指给你看是哪一颗螺钉让天平翻的。就这么回事。