1. 核心结论

• AI 模型的生命周期包括预训练、微调和推理三个阶段
• 预训练在大规模数据上学习通用知识，微调适配特定任务
• 推理阶段需要平衡速度、成本和质量

2. 基础概念

预训练：在大规模无标注数据上训练基础模型 微调：在特定任务数据上继续训练预训练模型 LoRA：低秩适应，一种高效的参数微调方法 推理优化：加速模型推理的技术，如量化、剪枝、KV Cache

3. 实战场景

• 大模型预训练
• 领域模型微调
• 在线推理服务部署
• 端侧模型推理

4. 关联笔记

• 大模型工作原理
• 基座模型
• 指令微调
• RLHF与偏好对齐