EMNLP

NeuroAda: Activating Each Neuron's Potential for Parameter-Efficient Fine-Tuning

NeuroAda：激活每个神经元的潜力以实现参数高效的微调

Zhi Zhang, Yixian Shen, Congfeng Cao, Ekaterina Shutova

机构 * ILLC, University of Amsterdam（伊拉斯谟范例研究中心，阿姆斯特丹大学） 纠错

AI总结 该研究提出新型PEFT方法NeuroAda，通过为选中的网络参数引入旁路连接，仅更新旁路连接实现细粒度微调，仅需≤0.02%可训练参数，内存降60%，在23+任务上达SOTA性能

Journal ref EMNLP 2025

InforMask: Unsupervised Informative Masking for Language Model Pretraining

Nafis Sadeq, Canwen Xu, Julian McAuley

Journal ref Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing (EMNLP 2022)