التدريبالكفاءة تحديث 2026

LoRA (التكييف منخفض الرتبة)

التعريف

أسلوب للضبط الدقيق الفعّال من حيث المعاملات، يكيّف نموذجًا كبيرًا بتدريب مصفوفات صغيرة مضافة مع إبقاء الأوزان الأصلية مجمّدة.

تقوم LoRA، التي قدّمها Hu وزملاؤه (2021)، بتجميد الأوزان المدرَّبة مسبقًا وإدخال مصفوفات صغيرة منخفضة الرتبة قابلة للتدريب في كل طبقة. ولا تُحدَّث إلا تلك المصفوفات الصغيرة جدًا، ما يقلّص عدد المعاملات المدرَّبة بعدة رتب عشرية ويخفض كلفة الذاكرة اللازمة للضبط الدقيق تخفيضًا كبيرًا — مع خسارة طفيفة في الجودة.

ولأن المحوّلات المضافة (adapters) صغيرة وقابلة للتبديل، تجعل LoRA الاحتفاظ بنسخ عديدة من نموذج أساسي واحد، مخصصة لمهام أو عملاء بعينهم، أمرًا قليل الكلفة.

المراجع

مصادر أولية ومحكّمة وأرشيفية لهذا التعريف.

LoRA: Low-Rank Adaptation of Large Language Models

Hu, E. J., Shen, Y., Wallis, P., Allen-Zhu, Z., Li, Y., Wang, S., Wang, L., & Chen, W. (2021). International Conference on Learning Representations (ICLR 2022).

المصدر arXiv:2106.09685

مداخل القواميس والموسوعات

Wikipedia — Fine-tuning (deep learning) — LoRA
IBM — Think / Topics — What is LoRA (low-rank adaptation)?

استشهد بهذا المدخل

MultipleChat. «LoRA (التكييف منخفض الرتبة)». مسرد MultipleChat للذكاء الاصطناعي والنماذج اللغوية الكبيرة، 2026. https://multiple.chat/ai-glossary/lora