LoRA与全量微调在提示安全分类上的受控对比

John Alderete 等作者发表受控对比研究，在提示词安全分类任务上比较 LoRA 与全量微调。研究使用匹配的 400M 编码器-解码器模型 Ettin，覆盖三种任务格式，每个实验单元最多 15 个随机种子，并采用预先设定的分析方案。 结果显示，在预设学习率下，全量微调在各架构和格式上均领先 LoRA 2-3 个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。