Originalarbeiterreichbar
Parameter-Efficient Transfer Learning for NLP
Houlsby und Mitautoren zeigen am 02.02.2019, dass sich ein Modell über kleine eingeschobene Bausteine an eine Aufgabe anpassen lässt, während der Rest unverändert bleibt. Die Arbeit steht zwei Jahre vor LoRA und liefert den Begriff Adapter. Ihr gemessener Abstand zum vollen Fine-Tuning ist die erste Zahl, die belegt, dass ein sparsames Verfahren genügt.
geprüft 24.09.2026Archivfassung (externe Seite, web.archive.org)
Worauf sich diese Seite beruft, wörtlich, abgerufen am 06.08.2026:
we attain within 0.4% of the performance of full fine-tuning
bestätigt 24.09.2026adding only 3.6% parameters per task
bestätigt 24.09.2026
Low-Rank Adaptation im Glossar02 Ein Modell auf eigene Daten abstimmen