英文：Prefix Tuning 分类：frontier
在输入序列前添加可训练的"前缀向量"（软提示）来适配模型的方法：冻结模型权重，只优化前缀（每层前缀），以极小参数量实现任务适配。
机制：每层注入可训练前缀（Key/Value 前缀），影响注意力而改变行为；与提示工程区别：软提示（可训练向量）vs 硬文本；变体：Prompt Tuning（仅输入层前缀）；优势：参数极少（<0.1%）、训练快；权衡：效果随任务而异。
用于大模型低成本适配（小数据场景）、多任务并行（不同前缀）、生成控制（风格前缀）与资源受限微调；前缀微调是"加个开头就换能力"的轻量魔法。