大模型微調（Fine-tuning）是一種在深度學習中常用的技術，指的是在預訓練的大型深度學習模型的基礎上，使用新的任務相關數據集對模型進行進一步的訓練，以使模型能夠更好地適應特定的任務或領域。
這種技術通常用於自然語言處理（NLP）和計算機視覺等領域，例如，在自然語言處理中，可能會在預訓練的語言模型（如BERT）的基礎上進行微調，使其能夠更好地完成情感分析、命名實體識別、文本分類或對話聊天等特定任務。微調通常涉及對模型的某些參數進行調整，以最佳化模型在特定任務上的性能。這種方法比從頭開始訓練一個全新的模型更為高效，因為它利用了預訓練模型已經學習到的知識，只需要通過新的數據集對模型進行少量的調整即可。