Machine learningDeep Learning, Language Models, Parameter Efficient Fine-Tuning
كيولورا
كيولورا (QLoRA) هي طريقة فعالة للضبط الدقيق قدمها ديتمرز وزملاؤه في عام 2023، تُمكّن من ضبط النماذج اللغوية الكبيرة باستخدام التكميم والتكييف منخفض الرتبة. من خلال الجمع بين التكميم رباعي البت والتكييف منخفض الرتبة (LoRA)، تقلل كيولورا متطلبات الذاكرة بنسبة 75%، مما يتيح ضبط النماذج ذات 65 مليار معامل على وحدات معالجة رسومات فردية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Dettmers, T., Pagnoni, A., Holtzman, A., & Contrastive, L. (2023). QLoRA: Efficient finetuning of quantized LLMs. arXiv preprint arXiv:2305.14314. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Efficient Finetuning of Quantized LLMs. ScholarGate. https://scholargate.app/ar/deep-learning/qlora
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- التحسين المباشر للتفضيلاتالتعلم العميق↔ compare
- نماذج الانتشار الكامنالتعلم العميق↔ compare
- مامبا (نموذج فضاء الحالة)التعلم العميق↔ compare
- المشفرات التلقائية المقنعةالتعلم العميق↔ compare