待验证50% 置信事实精确时间
微调（Fine-tuning）是指在通用文本预训练完毕的基础模型之上，使用特定领域标注数据进行二次训练以调整模型参数
1
来源数
50%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低81% 相似待验证微调是指在已具备通用语言理解能力的基础模型之上，用特定领域的专业数据进行二次训练，使模型在保留通用能力的同时对特定任务表现出更高的专业精度80% 相似待验证在指令微调阶段，如果训练数据包含大量遵循MECE结构的案例，模型会习得先搭框架再填细节的输出范式77% 相似已验证大语言模型的预训练阶段本质上属于自监督学习，是一种特殊的非监督学习，模型通过预测下一个词来从海量文本中自动学习语言规律77% 相似待验证语义ID技术实现通常先用预训练模型（如BERT或CLIP）提取物品语义向量，再通过残差量化向量化（RQ-VAE）等技术将连续向量离散化为多层级code序列75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/559013API
curl https://kongchang.com/api/v1/knowledge/claims/559013MCP
get_claim(id=559013)