LoRA叠加方法提出并验证跨骨干可加性

2026年10月23日，arXiv Computer Vision 刊出研究，作者 Keigo Watanabe、Hiroshi Kera、Kazuhiko Kawamoto 提出 LoRA superposition（LoRA 叠加）方法。该研究考察的问题是：同一任务在不同预训练骨干上独立训练的 LoRA，能否相加后原样应用于所有贡献骨干。研究在 7 个 ViT-B/16 CLIP 骨干和 8 个图像分类任务上验证：精确求和使全部 56 个骨干-任务组合均获提升，平均准确率较未适配骨干高 30.21 个百分点，仅比单独训练的 solo LoRA 低 0.28 个百分点。目前进展为方法提出与上述实验验证，报道未提及后续应用或扩展计划。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。