loRA

Open-Jev-27B-v1.1 是一个开源 AI 模型，配备 LoRA 适配器，在 JevBench 上达到 85.28% 的准确率，并具有各种任务的交互式演示。

本文介绍了ACLArena，这是一个用于评估多阶段后训练中智能体持续学习的框架，分析了遗忘和泛化机制，并提出了使用离线重放和LoRA专家的改进ACL方案。

本文提出了VA-DPO，一种使用连续效价-唤醒维度在语言模型中进行可控情感生成的方法，它在不降低模型性能的前提下改进了提示技术。

本文研究了PEFT-BD，这是一种推测解码方法，使用类似LoRA的适配器作为块扩散起草器，并发现尽管接受的前缀数量可观，但由于起草器仍需进行完整的骨干前向计算，因此并未加速，即计算效率不高。

本文首次对良性多语言微调对LLMs的安全影响进行了全面的实证研究，表明安全结果因语言而异，仅评估英语是不够的。

提出FoLoRA，一种遗忘感知优化框架，用于微调基础模型，通过广义瑞利商优化平衡任务效用和遗忘惩罚，更好地保留非目标能力。

本文介绍了 GLoRA，这是一种面向联邦 LoRA 的规范感知服务器表示，旨在通过估计共识更新子空间来解决因子聚合中的语义不匹配问题。实验表明，在异构客户端场景下，GLoRA 在性能和效率方面均优于基线方法。

该文章推荐了一个视频，系统讲解了塑造当今AI行业的10篇核心论文，涵盖Transformer、LoRA、RAG、Agents及MCP协议，旨在帮助工程师理清技术脉络。