近期 LoRA 变体层出不穷，DoRA、LoRA+、PiSSA 等接连声称大幅超越原始 LoRA。但一篇来自慕尼黑工业大学的系统性研究泼了一盆冷水：经过覆盖学习率、批次大小、秩值、训练时长的大规模超参数搜索，研究者发现当学习率被正确调优后，九种 LoRA 变体的峰值性能差异不超过 1-2%。这意味着所谓改进大概率只在某一组固定超参数下成立，而非方法本身的优越性。核心结论：学习率才是决定 LoRA 微调效果的关键变量， practitioner's 时间应该花在超参数搜索而非追逐新的 LoRA 变体上。vanilla LoRA 仍是极具竞争力的基线方案。