本研究探讨了低秩适应（LoRA）在微调预训练模型时的学习动态，提出了基于梯度流的分析方法。通过谱初始化，改善了原模型与目标矩阵的错位，理论证明小规模谱初始化能以任意精度收敛，实验结果验证了该方法的有效性。

本研究探讨了低秩适应（LoRA）的性能提升，发现特定谱初始化策略能够有效对齐并保证泛化。提出的LoRA-One算法在多个基准测试中显著优于传统LoRA，具有重要的理论和实证意义。