本研究提出了一种新的持续语义分割模型，利用低秩适应技术（LoRA）在不改变大部分预训练参数的情况下，有效分割新器官，避免遗忘，并降低参数增长率，性能接近最新模型。

本研究使用低秩适应技术提高洪水分割模型的性能和计算效率。LoRA方法能快速部署高精度的洪水分割模型，具有实际应用价值。

本研究比较了适配器和低秩适应技术在多语言文本分类任务中的应用与全面微调相比的影响，分析了不同训练场景和语言，为参数节约微调技术的适用性提供了有价值的见解。

本研究比较了适配器和低秩适应技术与全面微调在多语言文本分类任务中的影响，分析了不同训练场景和语言的适用性。

本研究比较了适配器和低秩适应技术在多语言文本分类任务中的应用与全面微调相比的影响，分析了不同训练场景和语言的适用性，为参数节约微调技术提供了有价值的见解。