本研究提出了一种多核克罗内克适应方法（KARST），旨在提升传统视觉模型微调的参数效率和特征对齐能力。KARST通过扩展克罗内克投影和分离适应矩阵，增强了特征选择的灵活性。实验结果表明，在推理成本可忽略的情况下，KARST优于其他微调方法。