arXiv · ML· Songyuan Sui, Srikanth Malla, Chiho Choi, Joon Hee Choi·· 2026-10-05AI 评分33
并非每个用户都需要私有 LoRA:解耦个性化与单用户适配的 LINEUP 框架
Does Every User Need a Private LoRA? Decoupling Personalization from Per-User Adaptation
AI 导读
提出 LINEUP 框架,通过复用低秩个性化因子和 8 个可训练标量,取代传统需 419 万参数的私有 LoRA 配置。在涵盖分类、预测和生成的 6 项任务 12 项指标中,LINEUP 均优于最强基线,例如将 LaMP-3 的 RMSE 降低 11.4%。该设计将个性化容量主要依赖于可复用的共享部分,证明在受限历史条件下仍能维持性能优势。
来源:arXiv · ML · arxiv.org