arXiv · cs.AI· Hongyu Cao, Yanchi Liu, Kunpeng Liu, Xujiang Zhao, Wei Cheng, Zhengzhang Chen, Yanjie Fu, Haifeng Chen·· 2 天前
GRADE：面向LoRA小语言模型微调的梯度准入方法
Which and When to Admit: Gradient Admission for Data-Centric Small Language Model Finetuning
arXiv:2610.07553v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hongyu Cao, Yanchi Liu, Kunpeng Liu, Xujiang Zhao, Wei Cheng, Zhengzhang Chen, Yanjie Fu, Haifeng Chen
研究任务与主要进展
Hongyu Cao等提出GRADE，用于数据中心式的小语言模型LoRA微调，通过状态感知选择器筛选与演化中多任务梯度场对齐的样本，并用自校准步级门控抑制子空间饱和附近的破坏性更新。基于论文摘要，GRADE在三种当前代骨干模型和七个异构指令数据集上相较数据选择及PEFT稳定化基线提高了准确性与鲁棒性，并在各架构上持续优于标准LoRA；材料未说明实验细节、代码或完整适用边界。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org