Une nouvelle étude explore des alternatives au LoRA, la technique d'ajustement fin la plus populaire, évaluant si d'autres méthodes peuvent obtenir de meilleures performances avec moins de coût computationnel. La recherche trouve que bien que certaines approches montrent des promesses, aucune ne surpasse systématiquement le LoRA à travers diverses tâches et ensembles de données.