隆德大学与Google DeepMind提出BEFT：只微调Value偏置b(v)，0.01%参数接近全量微调 | ACL'26

瑞典隆德大学与Google DeepMind提出BEFT微调方法，在低数据场景下只训练注意力Value投影的偏置b(v)，效果优于微调b(q)或b(k)。在RTE低数据实验中，BEFT仅训练全模型0.01%的参数即达58.53%准确率，超过全参数微调的57.46%和全Bias微调的56.40%。该工作已被ACL 2026主会接收，并集成进Hugging Face-PEFT库。