LoRA（Low-Rank Adaptation）为什么能大幅降低微调大模型的显存与存储成本？

1. A.它把模型层数砍掉一半，只训练剩下的层并丢弃其余参数
2. B.它冻结原权重 W，只训练低秩增量 ΔW = A·B，可训练参数减少几个数量级
3. C.它把所有权重量化到 1 bit 后再训练
4. D.它只在推理阶段起作用，训练阶段的梯度显存与优化器状态开销与全参数微调处于同一量级