Tuning（微调）指在预训练大模型基础上，用任务相关数据继续训练以适配特定场景的技术，当前正从自建训练管线走向“可观测平台+托管训练”的产品化阶段。近期围绕微调的动态集中在三条线：工具链托管、强化学习流程简化，以及不依赖强化学习的低成本方法。
Tuning
general · 首次出现 2026-05-22 · 最近出现 2026-10-16 · 累计提及 91
综述
相关报道
10 条在档- Subspace Tuning：限制更新方向以缓解微调中的灾难性遗忘arXiv cs.LG
- Primus Projection：单机仿真加自动调优，替代千卡分布式训练试错arXiv: DeepSeek
- arXiv 论文：解析三种提示词适配方法在 LLM 内部的不同作用机制arXiv cs.LG
- MiniCPM-V 4.7 发布：35B 多模态 MoE 模型仅用 3GB 内存跑在手机上OpenBMB
- OpenBMB 发布开源多模态模型 MiniCPM-V 4.7 系列OpenBMB
- LangSmith推出微调工具和smithtune CLILangChain
- ROFT：只用自我复盘微调，Qwen3.5-4B 不靠强化学习也能提升智能体表现arXiv cs.AI
- Fireworks 联合 HUD 推出强化学习微调 cookbook，无需自建训练基础设施Fireworks AI
- LangChain 在 Interrupt NYC 发布 LangSmith Engine v2 等五项更新LangChain
- LangChain 推出 LangSmith Fine-Tuning 与 smithtune CLI，Fireworks AI 为训练合作伙伴Fireworks AI