重磅推荐专栏： 《大模型AIGC》；《课程大纲》
本专栏致力于探索和讨论当今最前沿的技术趋势和应用领域，包括但不限于ChatGPT和Stable Diffusion等。我们将深入研究大型模型的开发和应用，以及与之相关的人工智能生成内容（AIGC）技术。通过深入的技术解析和实践经验分享，旨在帮助读者更好地理解和应用这些领域的最新进展
1. 如何减少训练成本？增量训练LoRA
https://arxiv.org/abs/2106.09685
如果我们不想给大模型做 “大手术”—— finetue 训练大模型（成本太高了 ==），毕竟我们仅仅想让大模型原先的基础上，再学习一小部分的领域或私域数据，原先大模型已经具备的知识不用怎么变动。那应该如何做到呢？
可以尝试LoRA（Low-Rank Adaptation）！LoRA是一种低秩适应方法，可以用于神经网络的微调和适应。其主要原理是，在微调神经网络时，只优化低秩分解矩阵，而保持预训练的权重不变。具体来说，LoRA 允许我们通过优化自适应期间密集层（dense layers）变化的秩分解矩阵，来间接训练神经网络中的一些密集层，同时保持预训练的权重冻结：