PulseAugur
中
实时 11:37:56
English(EN) Co-Adaptive Multi-Task LoRA: Transfer-Aware, Label-Free Control of Domain Participation

新的CoDA方法优化多领域LoRA微调

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新方法——Co-Adaptive Multi-Task LoRA (CoDA)，用于优化低秩适配器在多个域上的微调。CoDA通过根据单次前向传播产生的“能力信号”动态调整每个域的参与度，来解决域的协同学习挑战。该信号跟踪剩余容量和学习速度，并结合跨域亲和度度量，使CoDA能够优先考虑协同域并减轻干扰。该系统在利用一半数据并减少跨域梯度冲突的情况下，展示了优于均匀混合和其他多任务优化技术的性能。 AI

影响 优化多域任务的微调效率，可能减少数据需求并提高模型性能。

排序理由 该集群描述了在arXiv上的学术论文中提出的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CoDA方法优化多领域LoRA微调

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Wei Zhang, Lin Tang, Ming Zhao, Yuxuan Wang ·

    Co-Adaptive Multi-Task LoRA: Transfer-Aware, Label-Free Control of Domain Participation

    arXiv:2607.03522v1 Announce Type: new Abstract: Fine-tuning a single low-rank adapter on many domains at once is multi-task learning: the domains must be co-learned, and how they share the adapter decides whether they help or hurt one another. Most efficient fine-tuning pipelines…

相关实体

相关话题