跳到正文
热点事件持续更新

分层低秩重参数化压缩PEFT可训练参数

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

研究者提出一种分层低秩重参数化方法，把PEFT的可训练参数重组为近似方阵后递归做低秩分解，逐级压缩参数量。作者称，该方法与LoRA、DoRA、MoSA、RaSA结合，在LLaMA-3.1-8B和Qwen2.5-7B的常识推理及GSM8K数学推理实验中，同等可训练参数预算下配合LoRA或DoRA表现更优。上述效果为作者在论文中的报告，尚待独立验证。

AI 根据报道生成 · 3 小时前更新

最新进展10月28日 12:00
分层低秩重参数化实现参数高效微调

报道时间线

沿着报道，了解事件的不同侧面。

10月28日
  1. arXiv cs.CL
    分层低秩重参数化实现参数高效微调

    研究者提出一种分层低秩重参数化方法，将 PEFT 的可训练参数重组为近似方阵并递归做低秩分解，逐级压缩参数量。该方法与 LoRA、DoRA、MoSA、RaSA 结合，在 LLaMA-3.1-8B 和 Qwen2.5-7B 的常识推理及 GSM8K 数学推理实验中，同等可训练参数预算下配合 LoRA 或 DoRA 表现更优。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。