该研究提出了一种新的持续全细调方案，解决大型语言模型的灾难性遗忘问题。通过自适应奇异值分解，动态识别低秩参数子空间，减少干扰，显著提升模型的准确性和语言能力保留。

本研究提出了一种自适应奇异值分解方法AdaSVD，旨在解决大型语言模型在资源受限设备上的高内存需求。该方法通过动态调整压缩比例和更新奇异矩阵，显著提升了内存效率和性能。