英文：PEFT 分类：training
参数高效微调：冻结大部分预训练参数，只训练少量新增/选择的参数（LoRA、Adapter、Prefix 等），以极低显存与数据成本完成适配，效果接近全量微调，是开源生态微调的主流。
代表方法：LoRA（低秩矩阵注入，最流行）、QLoRA（4bit 量化+LoRA）、Adapter（层间小模块）、Prefix/Prompt（前缀向量）；成本：可训练参数 0.1%-1%、显存降低一个数量级；收益：单卡可微调大模型、多任务并存（各任务独立适配器）；权衡：极低资源下效果略降。
用于个人/小团队微调（单卡 7B-70B）、多任务部署（每任务一个 LoRA）、垂直领域适配（法律/医疗）与模型即服务（按任务热切换适配器）。