Hugging Face が「LoRAを超える手法はあるか」を公開 ── PEFTの世界は本当にLoRA一強なのか？
「LoRA以外の選択肢、真剣に考えたことある？」Hugging Faceがそんな問いを投げかけるブログ記事を出した。PEFT（パラメータ効率的ファインチューニング）って手法は何十種類もあるのに、みんなLoRAばかり使っている現状。本当にそれでいいの？って話が意外と奥深い。
▸何が変わったのか
Hugging Face Hubの実データがまず衝撃的。PEFT手法を1つだけ記載したモデルカード20,834枚のうち、20,509枚（98.4%）がLoRA。画像生成分野でも10,000チェックポイント中7,111がLoRAで、次点のLoConは363、DoRAに至ってはわずか11。記事は「LoRAが常にベストとは限らない」と指摘し、他のPEFT手法にも目を向けるよう促している。Hugging FaceのPEFTライブラリ自体は多数の手法を統一APIで実装済みで、TransformersやDiffusersとの連携も可能。複数の量子化手法にも対応している。
◈前モデル / 競合との比較
現状、LoRAが圧倒的シェア。Hub全体で98.4%、画像生成分野でも71.1%がLoRA。LoCon（363件）やDoRA（11件）は存在するものの、誤差レベルの差。記事は「この選択が本当に最適か、ツールを使って判断すべき」と提案している。
◈技術背景と意義
そもそもファインチューニングって、モデル丸ごと学習し直すからメモリをバカ食いする。モデル全体をメモリに何回分も載せないといけないし、量子化で圧縮したモデルはそのままじゃ学習できない。そこでPEFTの出番。ベースモデルの重みを凍結して、少ない追加パラメータだけ学習させることでメモリ使用量を劇的にカットできる。おまけにチェックポイントが小さくなる、過去の学習を忘れにくい（破滅的忘却への耐性）、1つのベースモデルから複数の派生モデルを効率よく作れる、というメリットも付いてくる。
▸こんな人・用途に
自分のデータでオープンモデルをファインチューニングしたい開発者で、LoRA一択ではなく最適な手法を選びたい人。画像生成でLoRA以外の表現を試したいクリエイター。新しいPEFT手法を研究・検証したい研究者。
◆入手方法・リンク
Hugging Face公式ブログで2026年6月18日に公開。執筆はBenjamin Bossan、Sayak Paul、Marian、Kashif Rasulの4名。PEFTライブラリ自体はHugging Face経由で利用可能。GitHubリポジトリやベンチマーク数値は公開されていない。
SOURCE: Hugging Face (2026-06-18)
