Minimal yet Mighty adaptive Cosine Projection (MaCP) は、2025 年 5 月 29 日にアムステルダム大学によって提案された新しい効率的な適応方法であり、最小限のパラメーターとメモリ オーバーヘッドで大規模な基本モデルを微調整して優れたパフォーマンスを実現することを目的としています。MaCP: 階層的コサイン射影による最小かつ強力な適応」はACL 25ベストテーマペーパー賞を受賞しました。

MaCPは、離散コサイン変換（DCT）のエネルギー圧縮および相関除去特性を活用し、低ランク適応における重みの変化を離散コサイン空間に投影し、複数の周波数レベルで最も重要な周波数成分を選択することにより、モデルの効率と精度を向上させます。複数のタスクにおける既存の効率的なパラメータ微調整手法（LoRA、VeRA、LaMDAなど）と比較して、MaCPはメモリ使用量と計算量を大幅に削減しながら、精度を向上させます。