已验证65% 置信事实精确时间

LoRA将权重更新矩阵ΔW分解为两个秩远低于原矩阵的小矩阵A和B之积，参数量可缩减至原来的万分之一甚至更少

3

来源数

65%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

Krea 2 Turbo风格参考LoRA：一张图片定义生成风格

redditr/StableDiffusion2026/7/9

相关事实

待验证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84% 相似待验证LoRA 利用 SVD 的低秩近似原理，将大型权重矩阵的增量更新分解为两个低秩矩阵的乘积，从而将可训练参数量从数十亿压缩至数百万量级75% 相似待验证低秩分解与量化压缩维度正交互补，对小矩阵A和B分别量化误差更小，叠加压缩比可达单一方法数倍73% 相似已验证LoRA微调时冻结原始模型参数不动，只更新插入的低秩矩阵，显存需求和训练成本大幅降低70% 相似待验证分组量化将权重矩阵按固定大小（通常32或64个元素）分组，每组独立计算量化缩放因子以减少精度损失66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/491905

API

curl https://kongchang.com/api/v1/knowledge/claims/491905

MCP

get_claim(id=491905)