热点事件持续更新
研究团队提出DASA连续合成嵌入微调方法
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv刊载的一项研究提出名为DASA的新方法，探讨大模型微调是否必须依赖人类可读文本。DASA利用冻结参考模型的激活梯度反馈来优化连续合成输入嵌入向量，无需人类可读文本即可完成大语言模型的下游微调。实验结果显示，在涵盖1B至32B参数的6款Llama与Qwen模型及6个基准测试中，DASA在LoRA微调下的表现媲美甚至超越了源自然语言数据。同时，相比GRADMM方法，DASA实现了3.6至4.9倍的加速，且峰值GPU显存相当。
AI 根据报道生成 · 7 小时前更新
最新进展9月30日 12:00
研究人员提出DASA微调方法，无需人类可读文本即可优化大模型，LoRA表现媲美自然语言数据且显著提速。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 人工智能大语言模型有效微调是否必须依赖人类可读文本？
研究人员提出 DASA 方法，利用冻结参考模型的激活梯度反馈优化连续合成输入嵌入向量，无需人类可读文本即可完成大语言模型下游微调。在 1B 至 32B 参数的 6 款 Llama 与 Qwen 模型及 6 个基准测试中，DASA 在 LoRA 微调下的表现媲美甚至超越源自然语言数据。此外，DASA 相比 GRADMM 实现了 3.6-4.9x 加速且峰值 GPU 显存相当。
本事件热度走势
当前热度 8·可比范围峰值 9（9月30日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。