Fine-tuning Large Language Models for Educational Guidance in Resource-Constrained Environments Using LoRA
本研究提出了一种经济有效的方法，将大型语言模型（LLMs）用于以留学为背景的学术咨询，并适用于低资源环境中的文化适应。通过采用Low-Rank Adaptation (LoRA) 方法和4位量化，经过两阶段训练，该模型在领域特异性和计算效率上均取得显著提升，最终实现92%的领域推荐准确率。这项研究为教育顾问在低资源环境中的有效应用提供了有力支持。
AI生成摘要 本研究提出了一种经济有效的方法，将大型语言模型（LLMs）应用于留学背景的学术咨询，特别适用于低资源环境中的文化适应。通过低秩适应和4位量化，模型在领域特异性和计算效率上显著提升，最终实现92%的推荐准确率。
