Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
Related Claims
VerifiedLoRA通过在模型权重矩阵旁插入低秩分解矩阵来实现微调，通常只需训练原始参数量的0.1%-1%84% similarUnverifiedLoRA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83% similarVerifiedLoRA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79% similarVerifiedLoRA（低秩适应）的核心思想是模型权重更新矩阵本征秩很低，无需更新全部参数，只需并联两个低秩矩阵79% similarUnverifiedLoRA因其推理时可将旁路矩阵合并回原始权重（零额外推理开销）的特性，成为工业界最广泛采用的PEFT方案73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/504025API
curl https://kongchang.com/api/v1/knowledge/claims/504025MCP
get_claim(id=504025)