Shared（共享）是一种资源、功能或知识在不同系统、用户或任务间共同使用的模式，在人工智能、软件工程和机器学习领域日益成为提高效率和降低成本的关键策略。随着大模型参数量持续增长，参数共享技术成为解决计算资源瓶颈的重要途径。
Shared 近期进展
2024年8月，arXiv上发表了FedAS-LoRA：联邦LoRA因子共享新策略，该研究提出按秩自适应选择共享侧的方法，解决了联邦学习中的模型效率问题。(原文标题)
2024年7月，Deep Multitask Learning for Mixed-Type Outcomes with Shared Sparsity研究展示了如何通过共享稀疏性实现多任务学习，有效提高了模型处理多种类型数据的能力。(原文标题)
掘金本周最热文章分析了React Monorepo工程架构，揭示了其四十模块十年不崩的秘诀在于合理的共享机制和模块化设计。(原文标题)
2024年5月，PCSP研究提出单策略控制无限NPC的方法，通过共享策略实现了可扩展游戏智能体，大幅降低了游戏AI的开发成本。(原文标题)
当前焦点与观察点
Shared技术正从简单的参数共享向更复杂的自适应共享机制演进，不同领域对共享的需求和实现方式呈现多样化趋势。在人工智能领域，共享策略不仅提高了模型效率，还解决了数据隐私和计算资源分配的问题。然而，共享带来的安全性和隐私风险仍需关注，如何在共享与安全间找到平衡点成为研究焦点。