在 LoRA 论文及其标准实现中，矩阵 $A$ 通常采用标准的随机初始化方法（如 Kaiming 或 Xavier 均匀分布），而矩阵 $B$ 则被显式地初始化为零矩阵。这种设计并非偶然，而是出于对训练稳定性与优化效率的综合考量。 LoRA 所引入的权重增量 $\Delta W$ 被定义为两个低秩矩阵的乘积： $$\Delta W = B A$$ 该更新项叠加在原始预训练模型的权重 $W$ 上，形成新的有效权重 $W' = W + \Delta W$。接下来将详细解释为何选择这样的初始化策略。 [此处为图片1] **为何将 $B$ 矩阵初始化为零？** 将 $B$ 初始化为零的核心目的在于：确保在训练初始阶段，LoRA 模块对基座模型的行为不造成任何扰动。由于 $\Delta W = B A$，当 $B = 0$ 时，无论 $A$ 取何值，都有： $$\Delta W = 0 \cdot A = 0$$ 因此，在第一次前向传播中，模型的有效权重仍为原始预训练权重 $W$，即 $W' = W + 0 = W$。 这一做法带来了显著优势： - 保证了训练起点的**稳定性**，延续了预训练模型已收敛的良好状态； - 避免因随机参数注入而导致输出剧烈波动； - 减少初期梯度震荡，保护模型已有知识不被破坏。 [此处为图片2] **为什么不将 $A$ 初始化为零？** 从结果上看，若将 $A$ 初始化为零，同样可得 $\Delta W = B \cdot 0 = 0$，也能实现初始无干扰的效果。然而，这种初始化方式会对后续的梯度传播造成不利影响。 考虑 LoRA 的结构路径：输入信号先经过矩阵 $A$，再通过矩阵 $B$ 输出。若 $A$ 初始为零，则其输出恒为零向量，导致传递给 $B$ 的激活值也为零。在反向传播过程中，由于链式法则依赖前层输出作为梯度计算的基础，$B$ 层接收到的梯度将趋近于零——这意味着 $B$ 的参数在训练初期几乎无法更新。 尽管 $A$ 自身可能接收到非零梯度（来自后向传播），但由于其输出始终为零，整个 LoRA 分支的数据流和梯度流均受到严重抑制，形成**信息瓶颈**，从而拖慢甚至阻碍训练进程。 [此处为图片3] **总结对比** | 矩阵 | 初始化方式 | 主要目的 | |------|------------|----------| | $A$ 矩阵 | 随机初始化（如 Kaiming/Xavier） | 保障 LoRA 路径具备有效的非零数据流动，使 $A$ 和 $B$ 均能获得合理的梯度信号，提升训练效率 | | $B$ 矩阵 | 零矩阵 | 确保 $\Delta W = 0$，让训练从原始预训练模型的状态平稳启动，维持初始稳定性 | 综上所述，$A$ 的随机初始化保障了梯度通路畅通，而 $B$ 的零初始化则确保了行为一致性，二者协同作用，在不影响预训练性能的前提下，实现了高效、稳定的微调过程。