Prefix-Tuning: 0,1 Prozent der Parameter als virtuelle Token für bessere Ergebnisse
Forschung & Machine Learning

Prefix-Tuning: 0,1 Prozent der Parameter als virtuelle Token für bessere Ergebnisse

1 Min. Lesezeit Kalina

Bilanz der Quelle: Li und Liang optimieren seit Januar 2021 einen kleinen Vektor, der vor die Schlüssel- und Werte jeder Schicht eingefügt wird, und erreichen mit nur 0,1 Prozent der Parameter vergleichbare oder sogar bessere Ergebnisse. Im Gegensatz zu LoRA greift diese Methode nicht in die Gewichte ein, sondern optimiert stattdessen einen Prompt.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)

ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.

Kalina Digest unterstützen

Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.

Zum Shop →