热衷于钻探技术底层，从 Java 代码→JVM→操作系统→CPU指令集，追求一行代码的性能极限。这里不仅有并发编程、JVM调优、数据结构与算法的实战解析，更有对计算机系统本质的思考和追问。

摘要： 大语言模型（LLM）在特定领域任务中表现有限，需通过微调优化性能。微调策略分为全面微调（调整所有参数，资源消耗大）和参数高效微调（PEFT），后者包括前缀调优、提示调优、LoRA等方法，显著降低计算成本。基于ChatGPT的微调支持API、命令行和UI操作，需准备JSONL格式数据并配置超参数。微调后模型可适配特定任务，部分性能甚至超越GPT-4，适用于个性化需求场景。