Prompt Tuning
一种参数高效微调方法，在输入嵌入序列前拼接可训练的连续嵌入向量（soft prompt），仅优化这些向量而不改变模型参数，实现轻量级任务适配。
时间轴 (近 90 天)
前缀调优（Prefix Tuning）学习一段可训练的虚拟前缀作为额外键值对参与注意力计算；提示调优（Prompt Tuning）是其简化变体，只学习输入端的软提示向量。
Prefix Tuning在每一层Transformer的注意力计算中注入可训练的前缀键值对，而Prompt Tuning仅将连续嵌入向量拼接在输入嵌入序列前。
提示调优学习到的连续嵌入向量不对应词表中的任何真实token，因此丧失了可读性，无法直接翻译成人类可理解的自然语言指令。
方法选择建议：追求低延迟、易部署、生态成熟优先LoRA；需要多任务隔离、模块化挂载考虑适配器；参数预算极紧、任务相对简单可试前缀或提示调优。
Prompt Tuning由Lester等人在2021年提出，在输入embedding前拼接一组可学习的软提示向量
全部知识事实 (5)
前缀调优（Prefix Tuning）学习一段可训练的虚拟前缀作为额外键值对参与注意力计算；提示调优（Prompt Tuning）是其简化变体，只学习输入端的软提示向量。
50%待验证Prefix Tuning在每一层Transformer的注意力计算中注入可训练的前缀键值对，而Prompt Tuning仅将连续嵌入向量拼接在输入嵌入序列前。
50%待验证提示调优学习到的连续嵌入向量不对应词表中的任何真实token，因此丧失了可读性，无法直接翻译成人类可理解的自然语言指令。
50%待验证方法选择建议：追求低延迟、易部署、生态成熟优先LoRA；需要多任务隔离、模块化挂载考虑适配器；参数预算极紧、任务相对简单可试前缀或提示调优。
50%待验证Prompt Tuning由Lester等人在2021年提出，在输入embedding前拼接一组可学习的软提示向量
50%