SHINE：单轮映射上下文至LoRA的可扩展超网络
热点事件持续更新
SHINE：单轮映射上下文至LoRA的可扩展超网络
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Yewei Liu等人提出并发表了名为SHINE（Scalable Hyper In-context NEtwork）的可扩展超网络方法。该架构旨在通过单次前向传播，将多样化的有意义上下文高效映射为大型语言模型（LLM）的高质量LoRA适配器。 SHINE复用了冻结的LLM参数，结合预训练与指令微调技术，实现了无需传统微调即可更新模型参数的目标。该方法通过将上下文知识转化为参数知识，显著节省了计算时间、算力及内存成本。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
SHINE: 单步映射上下文至 LoRA 的可扩展超网络报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLPSHINE: 单步映射上下文至 LoRA 的可扩展超网络
提出可扩展超网络 SHINE，在单次前向传播中将多样上下文映射为高质量 LoRA 适配器。 SHINE 复用冻结 LLM 参数，结合预训练与指令微调，无需微调即可更新参数。 该方法将上下文知识转化为参数知识，显著节省时间、计算和内存成本。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月20日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。