Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LoRA-Based Continual Learning with Constraints on Critical Parameter Changes

Created by
  • Haebom

저자

Shimou Ling, Liang Zhang, Jiangwei Zhao, Lili Pan, Hongliang Li

개요

본 논문은 사전 훈련된 모델을 활용한 지속 학습에서 LoRA 기반 방법의 효과를 높이기 위한 연구입니다. 기존 orthogonal LoRA tuning이 사전 과제에 대한 중요 매개변수를 변경하는 문제점을 지적하고, 이를 해결하기 위해 ViT의 중요 매개변수 행렬을 고정하는 방법과 QR 분해를 기반으로 한 orthogonal LoRA composition (LoRAC)을 제안합니다. 실험 결과, 제안된 방법이 여러 지속 학습 벤치마크에서 최첨단 성능을 달성함을 보여줍니다. 예를 들어, Split CIFAR-100 데이터셋에서 기존 방법 대비 정확도 6.35% 향상, 망각률 3.24% 감소를 달성했습니다. 코드는 https://github.com/learninginvision/LoRAC-IPC 에서 공개됩니다.

시사점, 한계점

•
시사점:
◦
orthogonal LoRA tuning의 한계점을 밝히고, 이를 개선하는 새로운 방법(LoRAC)을 제시.
◦
ViT에서 중요 매개변수 고정을 통해 사전 과제 성능 저하를 효과적으로 방지.
◦
여러 지속 학습 벤치마크에서 최첨단 성능 달성.
◦
개선된 방법의 코드를 공개하여 재현성 확보.
•
한계점:
◦
제안된 방법의 효과가 특정 데이터셋과 모델에 국한될 가능성 존재.
◦
다양한 지속 학습 시나리오에 대한 추가적인 실험 필요.
◦
LoRAC의 QR 분해 과정의 계산 비용에 대한 분석 부족.
👍
Made with Slashpage