英文：Prefix Tuning 分类：training
在注意力机制的键值序列前拼接可训练的前缀向量（每层独立），冻结主模型只优化前缀，实现参数高效微调的方法：比 Adapter 更轻（不修改模型结构），适合小数据快速适配。
机制：每层注意力 KV 前插入连续前缀（虚拟 token 的 embedding）；参数：前缀长度（如 20-100 token）为唯一可训练量；变体：Prompt Tuning（仅输入层）、P-Tuning（可学习提示）；特点：与模型结构解耦（无需改层）；效果：接近全量微调（数据充足时）；局限：前缀长度影响上下文窗口。
用于轻量任务适配（分类/生成）、低显存微调（单卡）、多任务并行（不同前缀切换）与提示工程研究（连续提示 vs 离散提示）。