LoRA 在监督微调和强化学习中的谱和子空间动力学
原文:Spectral and Subspace Dynamics of LoRA in Supervised Fine-Tuning and Reinforcement Learning
低秩适应 (LoRA) 通常用于监督微调 (SFT) 和强化学习 (RL),通常在类似的优化器设置下。然而,这两个阶段的不同动态如何在 LoRA 优化的低秩增量中体现仍不清楚。跟踪 LoRA 在数学推理任务上更新的奇异谱和子空间,我们发现 RL 集中于 t
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。