微调
Fine-tuning在预训练模型基础上，用特定领域数据继续训练，使模型更擅长目标任务，同时保留通用能力。
# 训练
# 迁移学习
微调（Fine-tuning）
适合微调的场景： - 统一输出格式（如始终输出 JSON） - 注入领域知识（医疗、法律术语） - 模仿特定风格或语气 - 提升特定任务的稳定性
不适合微调的场景（用 RAG 替代）： - 需要引用最新信息 - 需要知道信息来源
主流方式： Full Fine-tuning、LoRA、QLoRA
资源需求： 至少数百条高质量样本；GPU 内存需求因方法而异