500美元微调9B模型，碾压前沿大模型

A $500 RL fine-tune of a 9B open model beat frontier models on catalog review

自ChatGPT问世以来，企业都在追问AI能带来什么。Ramp数据显示，AI投入最高的企业营收翻倍，而零投入企业仅增长15%。关键在于重塑流程而非简单替换任务。本文揭示赢家策略：利用开源模型，结合专有业务数据，通过强化学习（RL）进行微调。在目录审查任务中，经过GRPO微调的9B开源模型，以每千条0.5美元的成本，将质量提升至87%，远超前沿模型。Bridgewater、Harvey和Intercom等公司已验证，拥有专属智能模型能大幅降低成本并提升表现，这标志着从通用API向私有化智能的转型。