一种大模型高效训练方式（PEFT）
目标：
训练有限的ΔW（权重更新矩阵）
ΔW为低秩矩阵→ΔW=AB（其中A的大小为dr, B的大小为rk，且r<<min(d,k)）→ 原本要更新的dk参数量大幅度缩减成r*(d+k)，训练更高效
问题：
1、矩阵的秩（rank）是什么？
矩阵行向量或列向量的极大线性无关组的向量个数，等价于：
矩阵中非零奇异值的个数。
矩阵线性变换后空间的维度（像空间的维数）。
2、为什么ΔW为低秩矩阵？
微调只需要调整少数方向
3、为什么r<<min(d,k)？
奇异值分解可以解释。
