<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>QLoRA :: 标签 :: x7peeps</title><link>https://blog.x7peeps.com/tags/QLoRA/index.html</link><description/><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Fri, 30 Oct 2026 14:47:30 +0800</lastBuildDate><atom:link href="https://blog.x7peeps.com/tags/QLoRA/index.xml" rel="self" type="application/rss+xml"/><item><title>模型微调技术全景：LoRA、QLoRA、全参数微调与实战选型指南</title><link>https://blog.x7peeps.com/AI/10-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AFLoRAQLoRA%E5%85%A8%E5%8F%82%E6%95%B0%E5%BE%AE%E8%B0%83%E4%B8%8E%E5%AE%9E%E6%88%98%E9%80%89%E5%9E%8B%E6%8C%87%E5%8D%97/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/10-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E6%8A%80%E6%9C%AF%E5%85%A8%E6%99%AFLoRAQLoRA%E5%85%A8%E5%8F%82%E6%95%B0%E5%BE%AE%E8%B0%83%E4%B8%8E%E5%AE%9E%E6%88%98%E9%80%89%E5%9E%8B%E6%8C%87%E5%8D%97/index.html</guid><description>模型微调技术全景：LoRA、QLoRA、全参数微调与实战选型指南 大语言模型（LLM）的预训练已经形成了"少数巨头训练基座模型、大量开发者微调适配任务"的生态格局。然而，全参数微调一个 7B 模型就需要 100-120GB 显存——这意味着你需要至少 2 张 H100 80GB 才能跑起来一次训练。对于绝大多数团队来说，这不是一个可以随意承担的成本。</description></item><item><title>应急响应大模型微调：基于 Qwen2.5-7B 的 QLoRA 训练实践</title><link>https://blog.x7peeps.com/AI/10-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E5%9F%BA%E4%BA%8EQwen2.5-7B%E7%9A%84QLoRA%E8%AE%AD%E7%BB%83%E5%AE%9E%E8%B7%B5/index.html</link><pubDate>Fri, 30 Oct 2026 14:47:30 +0800</pubDate><guid>https://blog.x7peeps.com/AI/10-%E6%A8%A1%E5%9E%8B%E8%AE%AD%E7%BB%83/%E5%BA%94%E6%80%A5%E5%93%8D%E5%BA%94%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%BE%AE%E8%B0%83%E5%9F%BA%E4%BA%8EQwen2.5-7B%E7%9A%84QLoRA%E8%AE%AD%E7%BB%83%E5%AE%9E%E8%B7%B5/index.html</guid><description>应急响应大模型微调：基于 Qwen2.5-7B 的 QLoRA 训练实践 应急响应（Incident Response）是安全运营中最具时间压力的场景之一。从收到告警到完成根因分析，黄金窗口往往以小时计。通用大模型虽然知识面广，但在应急场景中存在三个显著问题：输出内容不贴合安全团队的 SOP 和报告模板，对 ATT&amp;CK 框架和取证工具的理解深度不够，以及推理过程中夹杂大量无关表述拖慢响应速度。</description></item></channel></rss>