待验证50% 置信事实精确时间
LoRA只需在推理时叠加在基础模型上，显存增量相对有限，是8GB显存配置得以跑通角色替换任务的重要技术前提之一
1
来源数
50%
置信度
长期有效
时效性
2026/10/8
首次发现
来源
涉及实体
相关事实
已验证LoRA是以参数高效微调（PEFT）为代表的主流微调方法，核心思想是在不改动原始模型权重的前提下向特定层注入低秩矩阵，只训练新增参数74% 相似已验证LoRA通过在模型权重矩阵中注入低秩分解矩阵来减少可训练参数量，使得在消费级GPU上微调数十亿参数的模型成为可能73% 相似待验证LoRA（低秩适应）可用于微调模型，让模型针对性学习特定角色的外观特征71% 相似待验证LoRA是主流的参数高效微调算法，其核心假设是大模型参数更新矩阵的本征秩远低于其实际维度71% 相似待验证strength（强度）参数控制 LoRA 权重在推理时的混合比例，值越高模型越向 LoRA 编码的偏好倾斜71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/988161API
curl https://kongchang.com/api/v1/knowledge/claims/988161MCP
get_claim(id=988161)