Como funciona
Em vez de ajustar todos os pesos do modelo, o adapter adiciona pequenos módulos (camadas) dentro da rede neural e treina apenas esses módulos. O modelo base permanece congelado, o que economiza memória e permite trocar adaptadores conforme a tarefa. Cada adapter aprende um comportamento específico sem alterar o conhecimento geral do modelo.
Exemplo prático
Um modelo de linguagem base pode receber um adapter para código e outro para atendimento. Trocar de adapter muda o comportamento do modelo sem recarregar os bilhões de pesos do modelo base, economizando tempo e memória.
Para que serve
É uma das técnicas de PEFT e facilita o compartilhamento de modelos: você distribui um modelo base e vários adapters pequenos para tarefas diferentes. Isso é comum em catálogos de modelos abertos e permite personalização barata.
Diferença entre adapter e LoRA
LoRA é uma técnica específica de adapter de baixa classificação. Adapter é um conceito mais amplo de camada adicional treinável, que pode ter diferentes arquiteturas e tamanhos.