已验证65% 置信事实精确时间
LoRA（低秩适应）的核心思想是模型权重更新矩阵本征秩很低，无需更新全部参数，只需并联两个低秩矩阵
3
来源数
65%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
提示词工程入门：从认知到落地的完整指南
bilibili大模型全栈开发2026/7/3
相关事实
待验证LoRA是主流的参数高效微调算法，其核心假设是大模型参数更新矩阵的本征秩远低于其实际维度83% 相似已验证LoRA是以参数高效微调（PEFT）为代表的主流微调方法，核心思想是在不改动原始模型权重的前提下向特定层注入低秩矩阵，只训练新增参数79% 相似已验证LoRA通过在模型权重矩阵旁插入低秩分解矩阵来实现微调，通常只需训练原始参数量的0.1%-1%76% 相似已验证LoRA通过在模型权重矩阵中注入低秩分解矩阵来减少可训练参数量，使得在消费级GPU上微调数十亿参数的模型成为可能74% 相似待验证LoRA因其推理时可将旁路矩阵合并回原始权重（零额外推理开销）的特性，成为工业界最广泛采用的PEFT方案71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/410385API
curl https://kongchang.com/api/v1/knowledge/claims/410385MCP
get_claim(id=410385)