二、QLoRA篇
三、AdaLoRA篇
四、LoRA权重是否可以合入原模型？
五、ChatGLM-6B LoRA后的权重多大？
六、LoRA 微调优点是什么？
七、LoRA微调方法为啥能加速训练？
八、如何在已有LoRA模型上继续训练？
1.1 什么是 LoRA？
1.2 LoRA 的思路是什么？
1.3 LoRA 的特点是什么？
2.1 QLoRA 的思路是怎么样的？
2.2 QLoRA 的特点是什么？
3.1 AdaLoRA 的思路是怎么样的？
一、为什么需要 提示学习（Prompting）？
二、什么是 提示学习（Prompting）？
三、提示学习（Prompting） 有什么优点？
四、提示学习（Prompting）有哪些方法，能不能稍微介绍一下它们间？
4.4.1 为什么需要 P-tuning v2？
4.4.2 P-tuning v2 思路是什么？
4.4.3 P-tuning v2 优点是什么？
4.4.4 P-tuning v2 缺点是什么？
4.3.1 为什么需要 P-tuning？
4.3.2 P-tuning 思路是什么？
4.3.3 P-tuning 优点是什么？
4.3.4 P-tuning 缺点是什么？
4.2.1 为什么需要 指示微调（Prompt-tuning）？
4.2.2 指示微调（Prompt-tuning）思路是什么？
4.2.3 指示微调（Prompt-tuning）优点是什么？
4.2.4 指示微调（Prompt-tuning）缺点是什么？
4.2.5 指示微调（Prompt-tuning）与 Prefix-tuning 区别 是什么？
4.2.6 指示微调（Prompt-tuning）与 fine-tuning 区别 是什么？
4.1.1 为什么需要 前缀微调（Prefix-tuning）？
4.1.2 前缀微调（Prefix-tuning）思路是什么？
4.1.3 前缀微调（Prefix-tuning）的优点是什么？
4.1.4 前缀微调（Prefix-tuning）的缺点是什么？
4.1 前缀微调（Prefix-tuning）篇
4.2 指示微调（Prompt-tuning）篇
4.3 P-tuning 篇
4.4 P-tuning v2 篇
一、为什么 需要 适配器微调（Adapter-tuning）？
二、适配器微调（Adapter-tuning）思路？
三、 适配器微调（Adapter-tuning）特点是什么？
四、AdapterFusion 思路 是什么？
五、AdapterDrop 思路 是什么？
六、AdapterDrop 特点 是什么？
七、MAM Adapter 思路 是什么？
八、MAM Adapter 特点 是什么？
微调方法是啥？如何微调？
为什么需要 PEFT？
介绍一下 PEFT？
PEFT 有什么优点？
微调方法批处理大小模式GPU显存速度？
Peft 和 全量微调区别？
多种不同的高效微调方法对比
当前高效微调技术存在的一些问题
高效微调技术最佳实践
PEFT 存在问题？
能不能总结一下各种参数高效微调方法？
大模型（LLMs）参数高效微调(PEFT) 面
适配器微调（Adapter-tuning）篇
提示学习（Prompting）
LoRA 系列篇