本研究提出了LoRA$^2$方法，通过扩展低秩适应方法到多尺度，结合正交投影理论和改进的重要性评分算法，减少了训练参数数量，提升了适应性和性能。研究结果表明，LoRA$^2$在微调中仅需0.72%的参数，仍能实现与基线相当的性能。

本研究提出了LoRA$^2$方法，通过扩展低秩适应方法到多尺度，结合正交投影理论和改进的重要性评分算法，减少了训练参数数量，提升了适应性和性能。研究结果表明，LoRA$^2$在微调中仅需0.72%的参数，仍能实现与基线相当的性能。