什么是全量微调？所有参数都动的训练

全量微调是微调家族里最重的做法：模型里成千上万甚至几十亿个参数，全部参与更新，一个不落。也正因如此，它的效果上限高，算力和数据门槛也高。文心一言、通义千问的通用能力打磨过程中都经历过这类训练，本文借一个剧团重新排练一季的场景，把它的轻重讲清。

一次动全身：全量在改什么

模型的参数可以理解成长期排练形成的默契：哪些字常挨着出现、什么问题该配什么语气，都写在这堆数字里。全量微调把训练材料重新过一遍，所有参数都按误差信号调整。好处是学得彻底，新领域、新风格能渗透到模型的每个角落；代价同样直接——显存要装下全部参数的中间状态，数据少了还容易把原来的本事训丢。

还有个中间档常被忽略：不动全部，也不只动一小块，而是挑出模型里与任务最相关的若干层来动。这种做法介于全量与轻量之间，显存门槛和效果都居中，材料规模中等时值得考虑。选哪一档，本质是拿显存、数据和风险做三角交换。

三档的差别，集中在显存、材料和效果上。

它也有明确的适用面：任务与通用能力差距大、材料又足够多的时候，全量才划得来。差距不大、材料不多时，动全身往往是杀鸡用牛刀，还把原来的通用性赔进去。什么是适配器？插在模型上的小模块那篇讲的小模块路线，正是为了避免这种全城动员。

剧团重新排练一季：动静之间的差别

想象一个剧团：全量微调是全体演员停掉演出，花一季重新排练，连龙套的走位都重新抠。好处是整台戏的风格统一，新剧本能被每个人吃进去；代价是档期全占、体力全耗，老观众熟悉的腔调也可能丢掉。另一种演法是只换主角，其他人照旧——那就是小模块和轻量微调的路子。

重排练还有一个隐性成本：排练期间老剧目停演太久，观众就散了。对应到模型上，全量训练动辄数天，期间模型没法服务线上；停演窗口越短越好，这也是评估要不要上全量时的一笔账。

排练的深浅还要看剧本厚薄：材料只有薄薄几页，全员停排一季纯属浪费；剧本厚实、角色反差大，全员排练才榨得出价值。什么是数据配比？训练材料怎么搭配那篇讲的配料单，在这里直接决定排练的成色。

全量与轻量对照表

• 改动范围：全量动全部参数，轻量只动一小部分
• 显存门槛：全量高，轻量一张游戏显卡也能碰
• 材料要求：全量需要成规模的数据，轻量几百条能试
• 风险点：全量容易冲掉原有本领，轻量往往够用就好

类比失效的地方：重新排练也可能学坏

剧团类比有一处对不上：演员会累、会保护嗓子，排练过度顶多是状态差；参数没有自我保护，材料里的偏见和错误会被全盘照收，还渗进每一次回答。全量意味着没有任何角落能幸免，包括原来的好习惯——通用问答的本事，也可能在专精新领域的过程中被磨薄。

还有一处：剧团排练完能马上公演验收，全量微调的验收要靠评测集，感觉变好常常是错觉。动全身之前，先备好一把稳定的尺子。什么是领域微调？行业模型的养成过程那篇讲的行业养成，走的就是这条用尺子量出来的路。

全量微调快问快答三则

• 全量微调效果一定比轻量好吗？：上限高不等于每次都赢；材料不足时它更容易把原有本事训丢，轻量路线反而稳。
• 为什么它对数据量要求高？：全部参数都在动，薄薄几页材料撑不起这么大的调整面，模型容易滑向死记硬背，泛化很差。
• 个人开发者碰得了吗？：小模型可以试，大模型的全量训练成本很高；先算显存和时长账，再决定要不要动全身。

全量与轻量的分界，从来不是哪个更先进，而是你的预算和任务把边界画在哪。预算足、任务专、材料厚，动全身才榨得出深度；占一样不占，就从轻量的路子上先走起来。什么是继续预训练？给底模安排再读书那篇讲的回炉路线，和它是排练一季的两种花法。