包裹,长文用
/
划分小节,列表用
- ,引用用
,代码用
,重要句子可用。
正文内容是一段关于持续学习中参数高效微调、GRAFT框架的学术新闻。我需要把它分成合适的语义结构。原文只有一段,但内容可以划分为几个小节:背景与问题、GRAFT方法、评估与结果。我可以用或
划分小节,用
包裹段落。
原文:
"In continual learning, parameter-efficient fine-tuning enables large language models to acquire new capabilities through lightweight adapters such as LoRA, yet the reuse of pretrained adapters is typically restricted to models sharing the same backbone. This limits the transfer of learned capabilities from language models to multimodal models."
这是背景和问题,可以用
,其中重要句子可以加。
"We propose GRAFT (Generalist Reuse of Adapters via Feature-space Transfer), a framework for cross-backbone LoRA reuse. GRAFT retrieves the most relevant pretrained LoRA adapter from a modality-aware library and maps it into the target backbone through a learned linear bridge between corresponding source and target feature spaces."
这是方法,可以用
,代码用,重要句子可用。 正文内容是一段关于持续学习中参数高效微调、GRAFT框架的学术新闻。我需要把它分成合适的语义结构。原文只有一段,但内容可以划分为几个小节:背景与问题、GRAFT方法、评估与结果。我可以用或
划分小节,用
包裹段落。 原文: "In continual learning, parameter-efficient fine-tuning enables large language models to acquire new capabilities through lightweight adapters such as LoRA, yet the reuse of pretrained adapters is typically restricted to models sharing the same backbone. This limits the transfer of learned capabilities from language models to multimodal models." 这是背景和问题,可以用
,其中重要句子可以加。 "We propose GRAFT (Generalist Reuse of Adapters via Feature-space Transfer), a framework for cross-backbone LoRA reuse. GRAFT retrieves the most relevant pretrained LoRA adapter from a modality-aware library and maps it into the target backbone through a learned linear bridge between corresponding source and target feature spaces." 这是方法,可以用
加,或者直接
。GRAFT名称可以加。 "We evaluate GRAFT on ten Super-NaturalInstructions text tasks, transferring Qwen2.5 LoRAs to Qwen2.5-VL, and five multimodal tasks, where Qwen2.5-VL LoRAs are directly reused." 评估部分。 "Compared with randomly initialized LoRA adapters, GRAFT improves performance on most evaluated tasks. These results show that GRAFT provides a simple and effective mechanism for reusing learned capabilities across language and multimodal models in continual learning." 结果与结论。 我需要保持原文信息不变,只做排版。可以分成几个小节标题。注意不要增删内容,标题也是内容的一部分吗?标题是新增的,但规则说“长文用
/
划分小节”,所以可以添加小节标题,只要不改变原文信息。不过为了保守,我可以用简短的标题概括,但标题本身不是原文内容。规则允许划分小节,所以可以加。但“不得增删改内容”可能指正文内容,小节标题属于结构划分,应该可以。不过为了安全,我可以把小节标题设为原文中的关键词或直接用原文句子作为标题?通常排版会添加小标题。我觉得可以添加概括性小标题,这属于排版的一部分。 让我设计结构:
背景与问题
(这个标题是中文,但原文是英文。为了不改变内容,标题用英文更合适?或者不用标题,直接用
。规则说“长文用
/
划分小节”,这段不算特别长,但可以划分。我可以用英文小标题,比如 "Background"、"Method"、"Evaluation"、"Results"。这些标题是新增的,但规则允许划分小节,所以应该没问题。不过“不得增删改内容”可能严格到不能加标题文字。我倾向于使用原文中的关键句作为标题,或者直接不用标题,只用
。但规则明确说“长文用
划分小节”,所以可以添加小节标题,只要不改变原文信息。不过为了保守,我可以用简短的标题概括,但标题本身不是原文内容。规则允许划分小节,所以可以加。但“不得增删改内容”可能指正文内容,小节标题属于结构划分,应该可以。不过为了安全,我可以把小节标题设为原文中的关键词或直接用原文句子作为标题?通常排版会添加小标题。我觉得可以添加概括性小标题,这属于排版的一部分。 让我设计结构:
背景与问题
(这个标题是中文,但原文是英文。为了不改变内容,标题用英文更合适?或者不用标题,直接用。规则说“长文用
/
划分小节”,这段不算特别长,但可以划分。我可以用英文小标题,比如 "Background"、"Method"、"Evaluation"、"Results"。这些标题是新增的,但规则允许划分小节,所以应该没问题。不过“不得增删改内容”可能严格到不能加标题文字。我倾向于使用原文中的关键句作为标题,或者直接不用标题,只用
。但规则明确说“长文用
/
划分小节”,所以最好用。 我可以这样:
Background and Motivation
In continual learning, ...
GRAFT Framework
We propose GRAFT ...
Evaluation
We evaluate GRAFT ...
Results
Compared with ...
这样标题是新增的,但属于结构划分,不改变原文信息。不过用户说“保留原文所有信息,不得增删改内容”,标题是新增的,可能算增。为了严格遵循,我可以不用标题,直接把每个自然段落用包裹。原文就是一段,但我可以把它分成几个
,每个
包含原句。这样不增删任何内容。规则说“每个自然段落用
包裹”,原文是一段,但内部有多个句子,我可以保持一个
。但那样就没有小节划分了。规则说“长文用
/
划分小节”,这属于可选或建议。我可以不划分小节,只输出
。这样最安全,不会增删内容。 但用户要求“语义化的HTML片段”,且规则3提到各种元素,规则2说“长文用
/
划分小节”。这段文字不算特别长,但可以划分。为了体现排版工程师的专业性,我还是划分小节,但小节标题用原文中的核心术语,比如
GRAFT
?这样可能有点奇怪。或者我直接用分段,不添加标题。我决定采用折中:把原文分成几个
,每个
对应一个语义块,不添加额外标题,因为标题文字会改变内容。这样完全遵守“不得增删改内容”。 原文可以按句子群分:
In continual learning, parameter-efficient fine-tuning enables large language models to acquire new capabilities through lightweight adapters such as LoRA, yet the reuse of pretrained adapters is typically restricted to models sharing the same backbone. This limits the transfer of learned capabilities from language models to multimodal models.
We propose GRAFT (Generalist Reuse of Adapters via Feature-space Transfer), a framework for cross-backbone LoRA reuse. GRAFT retrieves the most relevant pretrained LoRA adapter from a modality-aware library and maps it into the target backbone through a learned linear bridge between corresponding source and target feature spaces.
We evaluate GRAFT on ten Super-NaturalInstructions text tasks, transferring Qwen2.5 LoRAs to Qwen2.5-VL, and five multimodal tasks, where Qwen2.5-VL LoRAs are directly reused.
Compared with randomly initialized LoRA adapters, GRAFT improves performance on most evaluated tasks. These results show that GRAFT provides a simple and effective mechanism for reusing learned capabilities across language and multimodal models in continual learning.
这样完全保留了原文,只是分段。重要句子可以加。比如“We propose GRAFT (Generalist Reuse of Adapters via Feature-space Transfer), a framework for cross-backbone LoRA reuse.” 可以加。但原文没有强调,加算改变吗?规则说“重要句子可用”,这是允许的,不会增删内容,只是强调。我可以加。 为了更符合排版,我可以把GRAFT作为小节标题,比如GRAFT: Generalist Reuse of Adapters via Feature-space Transfer
,然后正文。但标题是原文的一部分吗?原文中“GRAFT (Generalist Reuse of Adapters via Feature-space Transfer)”出现了,我可以把它作为标题,但这样会改变结构。我决定不添加标题,只使用和。这样最符合“不得增删改内容”的严格要求。 最终输出HTML片段,没有Markdown围栏,没有解释。 检查:是否保留了所有信息?是的。是否每个自然段落用
包裹?是的。是否用了?可以加。是否用了