热点事件持续更新
LoRA与全量微调在提示安全分类上的受控对比
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv cs.CL 刊出一项研究，以匹配的 400M Ettin 编码器-解码器模型为对象，在提示词安全分类任务上受控对比 LoRA 与全量微调，覆盖三种任务格式，每格最多使用 15 个随机种子。结果显示，在预设学习率下全量微调领先 2–3 个百分点；编码器改用同一套学习率搜索后，两者差距消失。LoRA 若在给出判定后补写理由，可提升 4.0 个百分点并追平全量微调。研究还报告，训练后模型在域内得分高于被提示的 8B 模型，但在三个分布外语料中有两个落后，对抗越狱场景下相差 8–23 个百分点。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
新研究显示：经匹配学习率搜索后，LoRA与全量微调差距消失，判定后补写理由可追平。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CL任务格式作为适应因素：LoRA 与全量微调在提示词安全分类上的受控比较
研究以匹配的 400M Ettin 编码器-解码器模型，在提示词安全分类上受控对比 LoRA 与全量微调，覆盖三种任务格式、每格最多 15 个随机种子。预设学习率下全量微调领先 2-3 pp，编码器改用同一套学习率搜索后差距消失，LoRA 在判定后补写理由可提升 4.0 pp 并追平。训练后模型域内得分高于被提示的 8B 模型，但三个分布外语料中两个落后，对抗越狱差 8-23 pp。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
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。