Große Sprachmodelle wie BERT und GPT-3 erfordern Feintuning für spezifische Aufgaben, was jedoch rechenaufwendig sein kann.
Adapter bieten eine parameter-effizientere Methode, indem sie verstellbare Schichten zu den Transformer-Blöcken von Sprachmodellen hinzufügen, was eine bessere Leistung auf Ziel-Aufgaben und -Datensätzen ermöglicht.