同一个模型，输入提示词就能回答；另一次却要准备数据、训练并保存新权重。两种操作究竟改变了什么？读完本文，可以判断是否更新参数，区分预训练和指令微调，并检查推理前后权重是否不变。自然语言项目常把“训练”“微调”“让模型记住一段提示词”混在一起。预训练建立通用语言规律，指令微调让模型更会按任务要求回应，推理则使用现有参数生成结果。三者的计算开销、数据要求和可回退方式并不相同。文章目录改了提示词，模型真的学会了吗核心概念与工作机制最小示例验证结果常见误区与适用边界总结改了提示词，模型真的学会了吗假设模型昨天回答“请用一句话解释主题”，今天改成“请用表格解释主题”，输出形式立即改变。这通常只是推理输入改变，并不意味着模型权重被更新。只有执行训练步骤、计算损失并应用优化器更新参数，才属于参数学习。操作典型数据是否更新参数主要目的预训练大规模通用文本是学习语言和知识中的统计规律指令微调指令与期望回答是提高遵循任务要求的能力推理当前输入与上下文否用现有参数产生回答核心概念与工作机制预训练。模型在大规模序列上优化预测目标，形成可迁移的基础能力。训练目标和语料质量会影响模型能学到什么，但训练数据中出现某个事实并不保证它以后总能准确复述。指令微调。在已有模型上继续训练，输入通常包含任务说明与期望回答。它改变权重，使输出风格和任务遵循方式更接近示例。微调数据若存在错误、偏见或泄露