已验证75% 置信事实精确时间
LoRA训练时预训练模型权重W₀被冻结，只训练B和A两个矩阵，前向传播公式为H = W₀X + (α/r)BAX
3
来源数
75%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证对于冻结的基座矩阵 W0，LoRA 将学习到的更新表示为 W' = W0 + (alpha/r)BA，其中 A 和 B 是可训练的紧凑矩阵，秩 r 远小于原矩阵维度76% 相似已验证LoRA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%74% 相似待验证LoRA 由 Hu 等人在 2021 年提出，通过为每层注入可训练的低秩分解矩阵实现参数更新 ΔW = BA，将可训练参数量压缩至原始模型的 0.1%-1%74% 相似待验证LoRA训练完成后BA可以合并回W中（W' = W + BA），因此推理时没有额外延迟，能与原始模型结构完全一致。74% 相似已验证LoRA在每个目标权重矩阵旁并联两个低秩矩阵A和B，其中A随机初始化，B初始化为零，仅训练这两个小矩阵，推理时将A×B乘积叠加回原始权重74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/888469API
curl https://kongchang.com/api/v1/knowledge/claims/888469MCP
get_claim(id=888469)