Text-to-LoRA：由自然语言任务描述生成适配器

这份资料解决的问题

Text-to-LoRA使用超网络根据任务描述生成LoRA，而不是每个新任务都重新进行完整微调。报告区分已见任务重构与未见任务泛化。应用前要检查基础模型、超网络训练覆盖和生成适配器的质量，不应理解为任意中文任务都能零成本达到专门训练的效果；适配器的隔离和回滚同样重要。

原始研究资料

原文题名：Text-to-LoRA: Instant Transformer Adaption。

作者：Rujikorn Charakorn、Edoardo Cetin、Yujin Tang、Robert Tjarko Lange。

原始发表入口：Text-to-LoRA: Instant Transformer Adaption。本页上方提供完整、未经删改的原始PDF，可在线阅读或直接下载。中文文字是独立导读，不冒充全文译文；实验设置、算法公式、消融结果和附录以完整PDF为准。

引用与许可

原始文献及本文引用请保留作者、题名、原发表机构与原文地址。原文采用CC BY 4.0许可，本地副本保留原有署名和出版信息。