🧠 LLM 原理与推理优化
LoRA 与参数高效微调
LLM 原理与推理优化专题：用 1 个核心问题讲清原理、取舍与落地。
一句话定位
从 Transformer 到微调、量化和在线推理容量。 回答时沿着“数学机制 → 计算/显存代价 → 对 Agent 的影响”展开。
核心原理与问题解析
LoRA 的核心原理是什么？
冻结原权重，只训练低秩矩阵表示权重增量，显著减少可训练参数和优化器状态。它降低训练资源，不意味着任何任务都能保持全量微调效果。
继续想： rank 和 alpha 如何影响？；QLoRA 又增加了什么？
工程落地检查
- 先画清输入、输出和张量/状态的变化
- 区分训练、Prefill 与 Decode
- 同时比较质量、吞吐、延迟和显存
- 用目标硬件与真实任务压测
- 模型、Tokenizer 和推理参数共同版本化
常见误区
- 只背名词，不解释为什么影响系统
- 把理论复杂度直接等同实际速度
- 只看模型榜单，不测业务任务