微调（Fine-tuning）是指在预训练模型基础上，使用特定领域数据进一步训练以调整模型参数，使其适配下游任务。它是当前大模型落地的核心环节，平衡通用能力与专用性能。
微调近期进展
当前焦点与观察点
微调的效率与可控性成为行业竞争焦点：一方面，自动化微调（如OpenAI的方案）试图减少对专家标注数据的依赖；另一方面，模型权重的可定制性引发对安全性和偏见的担忧。Stanford AI Lab的研究指出，蒸馏微调可能放大基座模型中的隐藏偏见，需谨慎评估。此外，端侧蒸馏技术（如DeepSeek的亚10亿参数模型）将微调能力压缩到小模型，推动边缘部署。总体而言，微调正从“全量参数更新”向更经济、更精细化的范式演进，但如何标准化流程并防止能力退化仍是未解难题。