待验证50% 置信事实精确时间

rank-256相较常见的rank-8/16更高，意味着可训练参数更多，对原模型风格改造力度更大

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Qwen3-27B微调实录：让大模型说出真正的"人话"

涉及实体

相关事实

已验证BF16相比FP16拥有与FP32相同的8位指数位宽，因此动态范围更大，已成为当前主流大模型训练精度选择67% 相似待验证Rebiha提供16到256的可调LoRA rank范围，并提供fast、balanced、quality三档训练预设63% 相似待验证在温控任务中，学习策略从-304提升到-35.8，展现显著优势63% 相似待验证LoRA训练中常用的学习率为1e-4到5e-4之间，常用的Network Rank值为8、16、32、64、12860% 相似待验证该模型训练分词器得到的词表大小为326660% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/913193

API

curl https://kongchang.com/api/v1/knowledge/claims/913193

MCP

get_claim(id=913193)