← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

05 第5章 上下文学习和轻量级微调

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.839Z

法为神经网络的参数高效微调提供了前景广阔的途径,其中低秩表征和克罗内克乘积重新参数化是最引人注目的技术。 1. LoRA

LoRA由Hu et al(2021)提出,它建立在IntrinsicSAID思想的基础上,是一种更精简的低秩微调方法。LoRA的关键创新在于将权重矩阵更新分解为两个低秩矩阵的乘积

: δW = WW AB in×rr×out 其中,W ∈ R和W ∈ R。所有预训练的模型参数都保持冻结状态,只有W和

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter7.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d