待验证50% 置信事实精确时间
LoRA是当前参数高效微调（PEFT）中最主流的方法，核心是在Transformer层的权重矩阵旁插入一对低秩矩阵（通常秩为4到64），只训练这两个小矩阵
1
来源数
50%
置信度
长期有效
时效性
2026/9/17
首次发现
来源
涉及实体
相关事实
待验证LoRA主要应用于Transformer的Q、K、V、O四个投影矩阵76% 相似已验证LoRA和QLoRA是当前主流的参数高效微调方法，允许在消费级GPU上完成微调66% 相似待验证NVIDIA A100、Google TPU v4等专用AI训练芯片针对Transformer的矩阵运算模式进行了专项优化61% 相似待验证LoRA（Low-Rank Adaptation）的核心思想是利用 SVD 的低秩近似原理，将大模型微调成本压缩至可在消费级 GPU 上运行的规模61% 相似待验证Transformer架构的计算复杂度相对序列长度呈二次增长，但高度并行化的特性使其在GPU上的训练效率远超LSTM和GRU架构59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/929639API
curl https://kongchang.com/api/v1/knowledge/claims/929639MCP
get_claim(id=929639)