คิวโลรา
QLoRA เป็นวิธีการปรับละเอียด (fine-tuning) ที่มีประสิทธิภาพ ซึ่ง Dettmers และคณะ ได้นำเสนอในปี 2023 โดยเปิดใช้งานการปรับละเอียดโมเดลภาษาขนาดใหญ่ (large language models) โดยใช้การควอนไทซ์ (quantization) และการปรับแบบอันดับต่ำ (low-rank adaptation) ด้วยการผสมผสานการควอนไทซ์แบบ 4 บิต เข้ากับ LoRA, QLoRA ช่วยลดความต้องการหน่วยความจำลง 75% ทำให้สามารถปรับละเอียดโมเดลที่มีพารามิเตอร์ 65 พันล้านตัว บน GPU เพียงตัวเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Dettmers, T., Pagnoni, A., Holtzman, A., & Contrastive, L. (2023). QLoRA: Efficient finetuning of quantized LLMs. arXiv preprint arXiv:2305.14314. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Efficient Finetuning of Quantized LLMs. ScholarGate. https://scholargate.app/th/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.
- Direct Preference Optimizationการเรียนรู้เชิงลึก↔ compare
- [NEEDS TRANSLATION]การเรียนรู้เชิงลึก↔ compare
- Mamba (แบบจำลองปริภูมิสถานะ)การเรียนรู้เชิงลึก↔ compare
- Masked Autoencodersการเรียนรู้เชิงลึก↔ compare