研究人员推出了一种新颖的参数高效微调方法SCALAR,与LoRA等现有技术相比,它显著减少了可训练参数数量和内存需求。SCALAR通过仅学习特定于层的标量系数来实现可比的性能,这些系数应用于从任务激活中派生的固定输入基。在各种推理和生成任务上的实验表明了SCALAR的有效性,一项测试显示,仅使用LoRA可训练参数的4%,即可达到与LoRA相似的准确性。对Qwen2.5-7B的系统测量表明,SCALAR提供了20%的峰值训练内存和6%的吞吐量。 AI
影响 提供了一种更有效的大型语言模型微调方法,可能降低定制和部署的门槛。
排序理由 详细介绍参数高效微调新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →