TailLoR은 파라미터 효율적 지속 학습 방법으로, 사전 학습된 가중치의 특이값 U와 V를 고정 참조 프레임으로 활용하여 특이값 행렬에 적용되는 저랭크 업데이트를 학습합니다. 주요 특이 방향과 일치하는 업데이트를 방지하는 소프트 스펙트럴 페널티를 통해 간섭을 줄이고 미세한 적응을 유연한 장기 특이 좌표로 라우팅합니다. TailLoR은 기존 방식의 성능 저하 문제를 완화하고, 지속적인 학습 효율성을 높이는 데 기여할 것으로 기대됩니다.