待验证50% 置信事实精确时间
作者公开的标准训练配置为Krea 2 Standard模型、Standard LoRA、Network rank 32、Alpha 32、Epochs 64（每4个epoch保存一次）、Batch size 1、目标分辨率0.25 MP、EMA 0.98
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/24
首次发现
有效期至：2026/12/23
来源
涉及实体
相关事实
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、12866% 相似待验证LoRA使可训练参数量通常仅为全参微调的0.1%-1%，可在单张RTX 3090/4090（显存24GB）上微调7B乃至13B级别的模型62% 相似待验证Kimi K2.7 Code采用384个专家的MoE架构，每个token选择8个专家加1个共享专家，实际计算量约为稠密模型的2.3%61% 相似待验证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60% 相似待验证训练7B参数模型的全参数微调通常需要至少4张A100（80G）显卡，而LoRA使单张RTX 4090（24G）完成7B量级模型微调成为可能59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/948325API
curl https://kongchang.com/api/v1/knowledge/claims/948325MCP
get_claim(id=948325)