arXiv · cs.AI· Yupeng Chang, Yuan Wu, Yi Chang·· 2 天前
SOS-LoRA提出固定多尺度缩放的静态正交子空间低秩适配方法
SOS-LoRA: Static Orthogonal-Subspace Low-Rank Adaptation with Fixed Multi-Scale Scaling
arXiv:2607.16252v2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：Yupeng Chang, Yuan Wu, Yi Chang
研究任务与主要进展
基于论文摘要，SOS-LoRA将固定总秩的低秩更新分解为多个静态低秩专家，并通过固定多尺度缩放与跨专家正交初始化促进不同输入方向。作者报告，该方法在Llama 2/3的推理与知识密集型任务、GLUE以及GSM8K/MATH上相较匹配秩预算基线取得一致增益。SOS-LoRA可完全合并，合并后不增加推理参数或延迟，代码已提供于https://github.com/llm172/sos-lora。
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