英文：Parameter-Efficient Fine-Tuning 分类：frontier
只更新少量参数（如 LoRA 低秩增量、适配器、前缀）即可适配新任务的微调方法：保留基座权重冻结，大幅降低显存与存储成本，是模型适配的主流范式。
方法：LoRA（低秩增量）、QLoRA（量化+LoRA）、适配器（插入模块）、前缀/提示微调（软提示）；优势：显存小、可切换（一个基座多任务）、防灾难性遗忘；训练：仅优化增量参数（通常<1%）；代表：微调生态标配。
用于垂直领域适配（客服/医疗/法律）、多任务部署（共享基座）、低成本定制（个人/小团队微调）与模型商店（LoRA 共享）；参数高效微调是"小成本大适配"的钥匙。