待验证50% 置信事实精确时间

QLoRA 通过量化降低基座显存占用，DoRA 分离幅度与方向，LoRA+ 为两个矩阵使用不同学习率，PiSSA 通过奇异分量改变初始化

1

来源数

50%

置信度

长期有效

时效性

2026/10/11

首次发现

来源

LoRA 智能体安全治理：从高效微调到行为依赖

涉及实体

QLoRAconcept DoRAconcept LoRA+concept PiSSAconcept

相关事实

待验证参数高效微调技术如LoRA、QLoRA大幅降低了Fine-tuning的门槛，使中小团队能经济地定制模型68% 相似待验证QSA通过压缩式轻量级Index在micro-block粒度上重新选择重要上下文，降低长序列Attention计算开销68% 相似待验证量化误差具有非均匀分布特性，注意力机制的Q/K/V矩阵和最后几层对量化更为敏感68% 相似已验证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66% 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

引用此条事实

Stable URI

https://kongchang.com/claim/998067

API

curl https://kongchang.com/api/v1/knowledge/claims/998067

MCP

get_claim(id=998067)