提出参数高效微调新方法，仅0.02%训练参数实现SOTA
这篇论文提出了一个新的参数高效（PEFT）的方法，实现只需要0.02%的训练参数，获得了新的SOTA， 并且相较于传统的selection-based 的方法， 减少了GPU memory的占用。
很高兴分享我们的#EMNLP2025主会议论文（NeuroAda: 激活每个神经元的潜能进行参数高效微调）！一种新颖的PEFT方法，仅用0.02%可训练参数实现了新的SOTA，同时与基于选择的方法相比减少了GPU消耗。
很高兴分享我们的#EMNLP2025主会议论文（NeuroAda: 激活每个神经元的潜能进行参数高效微调）！一种新颖的PEFT方法，仅用0.02%可训练参数实现了新的SOTA，同时与基于选择的方法相比减少了GPU消耗。