什么是微调 Fine-tuning：把通用 AI 变成学科专家

「第二教育网」是一个专注于优质教育资源导航与学习方法分享的第三方平台。本文将从方法、工具与实操几个角度，帮你把这件事一次看明白。

通用大模型什么都懂一点，但让它稳定地按某套评分标准批改作文、按本地教材体系出题，就不够听话了。微调就是解决这类问题的手段：在预训练模型的基础上，用特定领域的数据再训练一轮，让它的行为方式向目标靠拢。

微调在调什么

模型的能力分布在庞大的参数里。微调的做法是准备一批高质量的"输入与期望输出"样本，让模型在这些样本上继续学习，从而调整参数。训练量远小于预训练，通常只需要几千到几万条样本，算力成本也低得多。

要区分的是：微调主要改变的是行为风格与任务格式，而不是往模型里灌入大量新知识。想让它掌握新知识，RAG 往往更有效也更便宜。

三条技术路线的分工

• 提示词：零成本、立刻生效，适合一次性或探索性任务，但稳定性依赖写法。
• RAG：适合需要外部知识、知识频繁更新、要求可溯源的场景。
• 微调：适合需要稳定输出特定风格、格式或遵循复杂规则的场景，成本最高，见效最慢。

什么时候才真的值得微调

判断标准有两条。第一，提示词和 RAG 都试过且不够好：比如无论怎么写提示词，模型都无法稳定遵循你们学校那套细致的评语规范。第二，调用量足够大：微调的一次性投入能被长期的调用节省摊薄，比如每次都需要在提示词里塞入长篇规则，微调后这些规则内化进模型，能省下大量输入 Token。

教育场景的典型用例

作文评分助手：用本校历年评分样本微调，让评分尺度贴近本校标准，而不是通用标准。

学科讲解答疑：用本地教材版本的讲解语料微调，使讲解口径与课堂一致，避免引入超纲概念。

作业评语生成：让语气、用词、篇幅符合学校对教师的规范要求。

几个容易踩的坑

数据质量决定一切。几百条高质量样本胜过几万条噪声数据，错误样本会直接教坏模型。

小心过拟合。样本过于单一会让模型在其他场景表现退化，需要保留一定比例的通用数据混合训练。

建立评测集。微调前先准备一份固定的测试题，每次训练后跑一遍对比，否则无法判断到底有没有变好。

对大多数学校和个人而言，先把提示词和 RAG 用扎实，通常比直接上微调更划算。