# 超越 LoRA:参数高效微调的更多可能——你真的了解其他 PEFT 方法吗?
5 min read
Hugging Face PEFT 团队发文指出,98.4% 的微调模型使用 LoRA,但其他 PEFT 方法在某些场景下性能更优。文章提供了系统性的方法对比和选择指南。
Hugging Face PEFT 团队发文指出,98.4% 的微调模型使用 LoRA,但其他 PEFT 方法在某些场景下性能更优。文章提供了系统性的方法对比和选择指南。
PaddleOCR 发布 PP-OCRv6 系列,涵盖 Tiny/Small/Medium 三档模型,支持 50 种语言,检测 Hmean 达 86.2%,专为文档、截图、工业标签等场景设计。
ServiceNow 提出 MosaicLeaks 基准,揭示深度研究助手在交叉引用公共与私有信息时,可能通过外部查询泄露敏感数据,并推出隐私感知强化学习方法将泄露率从 34% 降至 9.9%。
LoRA占据了PEFT领域98.4%的使用率,但它并非唯一选择。Hugging Face团队系统对比多种微调方法,揭示在特定场景下非LoRA方法可能更优。
当AI代理开始替你写代码和调用库时,工具的设计必须兼顾人类和Agent。Hugging Face团队用transformers作为案例,测试不同模型与库版本的组合,量化Agent完成任务所需的成本。
当AI研究助手在本地文档与外部工具间穿梭时,其发出的查询可能像马赛克碎片一样拼出敏感信息。MosaicLeaks揭示了这一隐私风险,并提出隐私感知训练方法PA-DR。