La projection cosinus adaptative minimale mais puissante (MaCP) est une nouvelle méthode d'adaptation efficace proposée par l'Université d'Amsterdam le 29 mai 2025, qui vise à obtenir d'excellentes performances dans le réglage fin de modèles de grande base avec des paramètres et une surcharge de mémoire minimes.MaCP : adaptation minimale mais puissante via la projection cosinus hiérarchique", qui a remporté le prix ACL 25 Best Theme Paper Award.

MaCP exploite les propriétés de compression d'énergie et de décorrélation de la transformée en cosinus discrète (DCT) pour projeter les variations de poids de l'adaptation de rang faible dans l'espace cosinus discret et sélectionner les composantes fréquentielles les plus critiques à plusieurs niveaux de fréquence, améliorant ainsi l'efficacité et la précision du modèle. Comparé aux méthodes efficaces existantes d'ajustement fin des paramètres (telles que LoRA, VeRA et LaMDA) sur plusieurs tâches, MaCP réduit considérablement l'utilisation de la mémoire et la complexité de calcul tout en améliorant la précision.