其中，K(SGD)LoRA 和 K(SGD)分别是 LoRA和全微调诱导的核，N是数据集中的样本数量，c 是梯度和输入的 L2 范数的上界，ϵ 是近似误差， δ 是由 4N2 exp(−(ϵ2 − ϵ3)r/4)给出的概率界限，其中 r 是 LoRA中使用的秩。简单来说就是减少参数量和计算量：由这个公式∆W （d*d的矩阵）= B（d*r的矩阵）A（r*d的矩阵）（r<<d）原来需要计算d*d个参