待验证60% 置信事实精确时间
LoRA将对权重矩阵的全量更新分解为两个低秩矩阵的乘积，训练时只更新这两个小矩阵，原始权重保持冻结
2
来源数
60%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
已验证LoRA将权重更新矩阵ΔW分解为两个秩远低于原矩阵的小矩阵A和B之积，参数量可缩减至原来的万分之一甚至更少84% 相似已验证LoRA微调时冻结原始模型参数不动，只更新插入的低秩矩阵，显存需求和训练成本大幅降低78% 相似待验证LoRA 利用 SVD 的低秩近似原理，将大型权重矩阵的增量更新分解为两个低秩矩阵的乘积，从而将可训练参数量从数十亿压缩至数百万量级77% 相似待验证Unsloth 微调框架能够将 LoRA/QLoRA 微调的速度提升 2 倍以上，同时将显存占用降低约 60%65% 相似待验证PEFT技术的核心思想是不更新全部参数，而是引入少量可训练的适配器参数（如LoRA的低秩矩阵分解），降低显存和计算需求同时保留接近全量微调的效果64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/547411API
curl https://kongchang.com/api/v1/knowledge/claims/547411MCP
get_claim(id=547411)