Unverified50% confidenceFactExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
9/12/2026
First Seen
Sources
Related Entities
Related Claims
VerifiedBF16相比FP16拥有与FP32相同的8位指数位宽，因此动态范围更大，已成为当前主流大模型训练精度选择67% similarUnverifiedRebiha提供16到256的可调LoRA rank范围，并提供fast、balanced、quality三档训练预设63% similarUnverified在温控任务中，学习策略从-304提升到-35.8，展现显著优势63% similarUnverifiedLoRA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、12860% similarUnverified该模型训练分词器得到的词表大小为326660% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/913193API
curl https://kongchang.com/api/v1/knowledge/claims/913193MCP
get_claim(id=913193)