通俗解释
冻结整个模型，在输入或每层前面加若干可训练向量，像一段机器才懂的提示。模型越大，效果越接近全量微调。
用在哪里：多任务服务共享一个基座
01原始论文
The Power of Scale for Parameter-Efficient Prompt Tuning
Brian Lester, Rami Al-Rfou, Noah Constant · 2021
arXiv ↗ ✓ 已核实 · arXiv API
备注：前缀微调：arXiv:2101.00190（2021）
02知识位置
左边先学；右边是学完它之后可以学的。
相关：LoRA 低秩适配
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
官方文档
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
prompt-tuning)