待验证50% 置信事实精确时间
网络秩（rank）指低秩分解矩阵的中间维度，决定 LoRA 可表达的特征容量；秩过小会限制学习复杂概念的能力，秩过大则增加过拟合风险与适配器体积。
1
来源数
50%
置信度
长期有效
时效性
2026/10/28
首次发现
来源
高质量LoRA训练全流程指南
redditr/reinforcementlearning2026/10/28
涉及实体
相关事实
待验证彩票子网络往往具有低秩或稀疏特征，与潜因子分解所利用的低秩结构高度吻合65% 相似待验证逐点打分重排是信息检索中常见范式，对每个候选文档独立计算相关性分数再排序，缺点是缺少候选间的相对比较，模型难以校准绝对分数的尺度。61% 相似待验证在动态缓存方法中，网络输入的廉价探针通常指计算成本极低的中间特征或统计量，例如某些层的激活均值、输入与上一次刷新时输入的余弦相似度、或者时间步嵌入的差分范数。60% 相似待验证低秩适配（LoRA）等参数高效微调方法使普通使用者用少量数据即可定制模型行为，进一步降低滥用门槛。60% 相似待验证YAML 的缩进敏感特性（使用空格而非制表符，缩进层级决定数据结构）是初学者最大的痛点60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1108046API
curl https://kongchang.com/api/v1/knowledge/claims/1108046MCP
get_claim(id=1108046)