技术

low-rank（低秩）

low-rank（低秩）指矩阵的秩远小于其行数和列数，即矩阵的行或列向量之间存在线性相关性。在机器学习中，低秩假设用于降维、压缩和正则化，解决高维数据中的过拟合和计算效率问题，典型应用包括矩阵补全和LoRA微调。

收录于 2026/9/7相关资讯 21 篇近 30 天 12 篇在词典中查看 →

详细解释

低秩矩阵可分解为两个小矩阵的乘积，从而减少存储和计算量。在推荐系统中，用户-物品评分矩阵常被假设为低秩，通过矩阵分解进行补全。在深度学习中，低秩约束可用于卷积核分解、注意力机制优化等。此外，低秩近似是主成分分析（PCA）的基础。LoRA技术正是利用低秩假设，将权重更新分解为低秩矩阵，实现高效微调。

别名与相关写法
low-rank

相关术语

Low-Rank Adaptation共现 7 篇
LoRA共现 6 篇
Large Language Models共现 2 篇
continual learning共现 2 篇
Model-Based Reinforcement Learning共现 1 篇
Hallucination Detection共现 1 篇

相关公司

Ollama1 篇Plaud1 篇

相关资讯

完整术语表见 AI 术语词典； 每日新术语与进展见 AI 早报。