研究者提出C-LoRA持续低秩适配方法
热点事件持续更新
研究者提出C-LoRA持续低秩适配方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Xin Zhang、Liang Bai 与 Xian Yang 提出持续低秩适配方法 C-LoRA，让单个共享的 LoRA 适配器在顺序任务上持续学习而不发生灾难性遗忘，且推理时无需任何模块选择或融合。 该方法的核心是可学习路由矩阵 R，被分解为保持旧任务知识的稳定性分量 R_base 与驱动当前任务适应的可塑性分量 R_delta，从而直接控制稳定性-可塑性权衡。研究者称，该方法在多个基准上取得有竞争力的表现。 相关论文发布于 arXiv 的 cs.LG 分类。
AI 根据报道生成 · 45 分钟前更新
最新进展10月9日 12:00
C-LoRA：面向预训练视觉模型的持续低秩适应方法报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.LGC-LoRA：面向预训练视觉模型的持续低秩适应方法
研究者提出 C-LoRA，让单个共享 LoRA 适配器在顺序任务上持续学习而不发生灾难性遗忘，且推理时无需任何模块选择或融合。其核心是可学习路由矩阵 R，被分解为保持旧任务知识的稳定性分量 R_base 与驱动当前任务适应的可塑性分量 R_delta，从而直接控制稳定性-可塑性权衡。该方法在多个基准上取得有竞争力的表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。