大模型微调入门：LoRA 与全参微调什么时候用
先用 RAG，还不行再微调。LoRA 只加小插件、便宜通用，全参微调贵且适合大厂。数据质量比算法更要命。
直接回答：大模型微调，是拿一个已经训练好的通用模型，用你自己的数据再"喂"一轮，让它更懂你的领域或语气。普通人先分清两种：全参微调（改全部参数，贵）和 LoRA/PEFT（只加小插件，便宜）。绝大多数场景，LoRA 就够了。
一、什么时候才需要微调
- 通用模型总答非你所想（比如你们行业的黑话）；
- 要稳定输出固定格式（工单、报告模板）；
- 通用模型答不出你们内部的专属知识。
如果只是"问问题"，先用 RAG（外挂知识库）就行，不一定微调。
二、LoRA 为什么是默认选择
- 只训练一小部分参数，显存和费用低一个量级；
- 多个 LoRA 可切换，一个底座适配多业务；
- 训练快，一天内能出初版。
全参微调适合大厂或有独家海量数据的团队，小企业别轻易碰。
三、数据比算法更要命
- 质量 > 数量：100 条干净对话胜过 1 万条脏数据；
- 覆盖真实场景，别只造理想样本；
- 留验证集，看它是不是真学会了。
四、三盆冷水
- 数据合规先行，别用没授权的语料；
- 先试提示词 + RAG，还不行再微调；
- 上线要评估，别训完就当万能。
微调不是"让模型变聪明"的魔法，是"让它更像你"的定制。