Parameter-Efficient Fine-Tuning for Phishing Detection via Low-Rank Adaptation

Metadane

• Autorzy: A. Meo, G. Russo, L. Tan
• Rok: 2024
• Źródło: IEEE Transactions on Cybernetics, 54(3):789-798
• DOI/Link: 10.1109/TCYB.2024.1234567
• Status: to-read
• Pochodzenie: Wyekstrahowane z phishsense-1b-2025
• Tagi: to-read reference lora parameter-efficient phishing-detection

Notatki

Publikacja dodana automatycznie z bibliografii. Parameter-efficient fine-tuning techniques - LoRA.

Kluczowe wnioski (cytowane w Phishsense-1B):

• LoRA updates only 0.3% to 0.6% of model’s parameters
• Keeping majority of pre-trained weights fixed
• Reducing computational overhead without sacrificing performance
• Enables deployment sophisticated phishing detection systems na resource-constrained devices

Dodaj PDF aby wygenerować pełne podsumowanie używając /summarize-paper meo-parameter-efficient-lora-2024