研究人员推出了一种新颖的概率适配方法 PVeRA，用于大型基础模型，可增强参数高效的微调。PVeRA 通过引入概率方法修改 VeRA 适配器中使用的低秩矩阵，从而能够更好地处理输入歧义和灵活的采样配置。在 VTAB-1k 基准测试上的评估表明，PVeRA 在性能上优于包括 VeRA 在内的现有适配器。 AI
影响 PVeRA 为大型模型提供了更高效的微调方法，有望降低计算成本并提高在新任务上的性能。
排序理由 这是一篇介绍大型基础模型新适配方法的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2512.07703v2 Announce Type: replace Abstract: Large foundation models have emerged in the last years and are pushing performance boundaries for a variety of tasks. Training or even finetuning such models demands vast datasets and computational resources, which are often sca…