热点事件持续更新
研究团队提出分层低秩重参数化PEFT方法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月28日，相关研究者在arXiv发表成果，提出一种面向参数高效微调（PEFT）的分层低秩重参数化方法。该方法通过将可训练参数重组成近似方阵并递归进行低秩分解，大幅削减参数冗余。实验中，该方法结合LoRA、DoRA、MoSA及RaSA，在LLaMA-3.1-8B和Qwen2.5-7B的常识推理及GSM8K数学推理评测中取得了更好表现。测试结果显示，在原始参数量压缩约一个数量级时，该方法在8个常识推理基准上的平均准确率仍超越对应的基线水平。
AI 根据报道生成 · 4 小时前更新
最新进展10月28日 12:00
研究者提出面向PEFT的分层低秩重参数化方法，在参数压缩约一个数量级下仍超基线表现。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 自然语言处理面向参数高效微调的分层低秩重参数化方法
研究者提出一种面向 PEFT 的分层低秩重参数化方法，通过将可训练参数重组成近似方阵并递归进行低秩分解，大幅削减参数冗余。该方法结合 LoRA、DoRA、MoSA 及 RaSA，在 LLaMA-3.1-8B 和 Qwen2.5-7B 的常识推理及 GSM8K 数学推理评测中取得更好表现。在原始参数量压缩约一个数量级时，其在 8 个常识推理基准上的平均准确率仍超越对应基线。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 13:00）·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。