待验证50% 置信事实精确时间

LARA（Lightweight Additive Residual Adaptation，轻量加性残差适配）是一个由研究者在 Reddit 上开源的项目，目标是让后训练变得模块化，在不改动基础模型权重的前提下为冻结的语言模型叠加可插拔的行为能力

1

来源数

50%

置信度

长期有效

时效性

2026/9/16

首次发现

来源

LARA：为冻结大模型注入可组合行为的轻量适配方案

涉及实体

LARAproduct Redditproduct

相关事实

待验证AdaptiveSpec是一种免训练、逐步自适应的推测解码方法72% 相似已验证LoRA（Low-Rank Adaptation）由微软于2021年提出，其核心思想是冻结预训练模型的权重，仅训练注入的低秩分解矩阵68% 相似待验证域适应（Domain Adaptation）的核心目标是让在源域上训练的模型能够良好泛化到分布不同的目标域67% 相似待验证LARA 在选定的若干层上训练一个低秩残差适配器，而不是直接修改模型的原始权重67% 相似待验证领域自适应预训练（DAPT）指在通用基础模型上用领域特定语料继续训练，能以较低成本显著提升特定任务性能66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/926473

API

curl https://kongchang.com/api/v1/knowledge/claims/926473

MCP

get_claim(id=926473)