请解释大模型微调的概念，并说明它与预训练在核心机制上的主要差异。

回答思路

1. 【回答框架 1】大模型微调是指在已经预训练好的模型基础上，使用特定任务的数据进一步训练，调整部分或全部参数，使模型适应下游任务。其核心在于利用预训练模型已学到的通用知识，通过少量数据高效提升特定任务性能。
2. 【回答框架 2】预训练是在大规模无标注语料上通过自监督学习（如掩码语言模型或自回归）训练模型，目标是学习语言的通用表征与知识。预训练阶段计算开销巨大，需要海量数据和算力。
3. 【回答框架 3】核心区别在于目的、数据和资源。预训练旨在获取通用能力，使用海量无标注数据，资源消耗极高；微调旨在适配具体任务，使用较小规模的有标注数据，资源消耗相对低。此外，微调通常继承预训练权重，而预训练从随机初始化开始。
4. 【关键点 1】微调是迁移学习的应用，利用预训练模型参数作为初始化。
5. 【关键点 2】预训练学习通用语言知识，微调学习任务特定知识。
6. 【关键点 3】微调数据量小但有标注，预训练数据量大且无标注。
7. 【易错点 1】不能认为微调一定比重新训练快或省资源，取决于任务和算力。
8. 【易错点 2】微调可能过拟合小数据集，需要正则化或冻结部分层。
9. 【易错点 3】预训练和微调并非完全独立，微调过程可能影响原有知识。