美团骑手招聘Agent以GeoRA进行强化学习训练

美团履约技术团队把 GeoRA 用在 AI 骑手招聘 Agent 的 Agentic RL 训练上：该 Agent 主动触达并跟进候选人，在多轮沟通中识别其意愿、顾虑与决策卡点并针对性制定下一步策略，把候选人推进到面试与入职，目标与结果明确可验证（约面/入职/ROI）。该垂直场景有两个特点：一是基模大、单条轨迹上下文长，RL 资源开销可观。 二是增量能力规模不大、训练数据量远小于基模，低秩适配容量足够承载。业务训练中先观察到 LoRA、PiSSA、MiLoRA 效果差异明显、学习率调大就不稳甚至崩掉，由此提出为 RLVR 重新设计低秩先验。落地效果：与全参训练相当，相比 LoRA 提升约 12%。效率与 LoRA 相当，显存相比全参训练降低 54%，配合 QLoRA 等量化方法可进一步降低。 工程经验两条：一次性 SVD 初始化可用随机 SVD 加速，72B 模型处理不到 1 分钟。利用「初始化时函数不变」性质，在 actor 内保留一份冻结的初始低秩适配器即可现算参考策略，省去 RLVR 参考模型的完整权重存储。