待验证50% 置信事实精确时间

LoRA训练完成后低秩矩阵可合并回原始权重，推理阶段不引入额外延迟

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

大模型微调完整实战指南：从零入门的路线图

相关事实

待验证LoRA通过在预训练模型权重上叠加低秩分解矩阵实现参数高效微调，一致性最高，但每个新角色需要数十张参考图和数小时训练，工程成本高76% 相似待验证LoRA通过只训练少量适配层（低秩矩阵旁路训练）来降低微调成本76% 相似待验证LoRA中A使用随机高斯初始化，B初始化为零，以确保训练开始时叠加量为零、不破坏原模型能力，推理时不引入额外延迟75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/527822

API

curl https://kongchang.com/api/v1/knowledge/claims/527822

MCP

get_claim(id=527822)