从硬件加速（混合精度）切入，深入到架构降本（冻结层与PEFT），再延展到数据工程（SFT指令构建）与价值升华（指令微调收益），最后收尾于模型“排毒”与“纠偏”（解决重复与幻觉）。
第一部分：概述
需要混合精度训练
在微调大模型时，显存（VRAM）是黄金资源。我们通常默认使用FP32（32位浮点数）存储参数，但这极其奢侈。
1. “混合”
混合精度不是单纯地用FP16（16位浮点数）替代FP32，而是**“三态并行”**：
- 权重主备份（FP32）：始终保留一份完整的FP32权重用于累加更新（防止梯度下溢）。
- 计算与前传（FP16/BF16）：将FP32权重转换为FP16进行矩阵乘法（GeMM），计算速度翻倍，显存占用减半。
- 梯度存储（FP16）：反向传播时计算的梯度使用FP16存储。
2. 用“混合”而非纯“半精度”？
如果完全使用FP16，由于它的数值范围窄（容易溢出），当梯度数值小于 ( 5.96 \times 10^{-8} ) 时，会被直接“抹零”，导致模型无法收敛。
3. 损失缩放（Loss Scaling）
在反向传播前，将损失值放大 ( 2^{12} ) 到 ( 2^{16} ) 倍，梯度随之放大，落入FP16的有效表示范围；更新权重前再将梯度缩回原尺度。这一放一缩，既保住了速度与显存，又没丢掉精度。
第二部分：架构降本核心——冻结层的作用与PEFT的极致压缩
核心问题：冻结层在微调中的作用是什么？ & 参数高效微调（PEFT）如何减少计算成本？
这两个问题是“母子关系”，理解“冻结”是理解PEFT的前提。
1. 冻结层的本质：把“特征提取器”变成“只读数据库”
冻结层意味着在反向传播时，不计算该层的梯度，且不更新该层权重。
- 作用一：显存断崖式下降。反向传播需要存储每一层的中间激活值（Activations）用于计算梯度。冻结底层后，前向传播完该层即可释放显存，不再需要保留其计算图。
- 作用二：保留通用知识。大模型底层学习的是“词法、句法、通用语义”，强行改动容易引发灾难性遗忘，冻结它们相当于保留了模型作为“通才”的核心素养。
2. PEFT 的降本公式（数学视角）
假设模型维度为 ( d=4096 )，原权重矩阵 ( W ) 尺寸为 ( d \times d )。
- 全量微调成本：需要训练 ( 4096 \times 4096 \approx 1678 ) 万个参数，必须为每个参数存储梯度和两种动量状态（Adam优化器需额外占用12倍于参数的显存）。
- PEFT（以LoRA为例）降本逻辑：
设置秩 ( r=8 )，引入 ( A (8 \times 4096) ) 和 ( B (4096 \times 8) )。
可训练参数量= ( 4096 \times 8 + 8 \times 4096 = 6.5 ) 万。
显存节省比例= ( 1678万 / 6.5万 \approx 258 ) 倍。
3. 为什么PEFT能大幅减少计算FLOPs？
因为冻结了原始权重 ( W )，前向传播中 ( Wx ) 这部分巨大的矩阵乘法结果可以缓存（Cache）复用。每次迭代只需计算极小的 ( BAx ) 增量部分。这使得GPU的算力（FLOPs）消耗从“重载运算”降级为“轻量级微调”。
第三部分：数据燃料精炼
SFT 指令微调数据构建
指令微调（Supervised Fine-Tuning）是将“续写机”转变为“对话助手”的关键。数据的质量远大于数量（几千条高质量数据往往优于百万条垃圾数据）。
1. 数据构建的“三源法”
- ① 公开基准清洗（开源）：取用 Alpaca、ShareGPT 或 Belle 等公开数据集，但必须经过去重和敏感词过滤。直接用原始数据容易让模型输出“AI味”极重的套话。
- ② 真实场景脱敏（自产）：从业务日志中抽取真实的用户与客服/助手的多轮对话，脱敏后转化为
{"instruction": "用户问", "output": "标准答"}格式。这是微调中价值最高的数据。 - ③ 强模型反哺（Self-Instruct）：利用 GPT-4 或 Claude 作为“教师”，给无标注的原始文本自动生成高质量的“指令-回复”对。
2. 关键细节：响应质量的“金线”标准
构建时，必须设置严格的拒答数据。例如，对于“如何攻击网站”这类指令，输出必须是“对不起，我不能提供帮助”。如果数据中缺乏拒答样本，模型微调后会对有害指令唯命是从。
第四部分：战略价值与纠偏
指令微调的好处 & 模型输出重复和幻觉微调解决
1. 指令微调的“三大降维打击”优势
- 优势一：零样本（Zero-shot）泛化能力。经过指令微调，模型学会了“听从指令”这个元能力（Meta-Learning）。即使面对没见过的任务表述，它也能理解并执行，不再需要繁琐的Few-shot示例。
- 优势二：对齐人类偏好。基础模型只在乎“下一个词的概率”，而指令微调后的模型学会在乎“回复是否有用、是否切题”，输出结构更规整。
- 优势三：交互体验质变。从“续写下文”变为“解答问题”，极大地降低了非技术用户的使用门槛。
2. 针对性解决“输出重复”与“幻觉”问题
这两个是微调中最高频的“翻车事故”，可以通过微调策略针对性修复：
① 解决输出重复（死循环式复读）
- 根源：模型陷入了概率分布的“高确定性陷阱”，即某个词的预测概率极高，导致陷入循环。
- 微调对策：在构建SFT数据时，刻意增加“去重惩罚”样本。此外，引入对比性训练（SimCTG），在损失函数中加入对比损失，强制模型增大不同Token序列之间的向量距离，防止其停留在语义平坦区反复输出。
② 解决幻觉（一本正经地胡说八道）
- 根源：模型为了“讨好”指令，强行生成看似连贯但无事实依据的内容。
- 微调对策（核心手段）：
- 检索增强微调（RAFT）：在微调数据中，强制将检索到的外部知识作为上下文前缀（Context），让模型的回答严格基于给定的文档。微调时不断训练模型遵循“未提供信息时，明确回答‘我无法从现有资料中确认’”的行为模式。
- 事实性微调（Factuality Tuning）：在SFT数据中加入**“不确定性表达”样本。例如，当问题模糊时，标准答案不是硬猜，而是“根据现有信息，可能存在以下几种情况……”。通过这种软标签（Soft Label）**微调，显著降低模型硬生成的幻觉概率。