大模型微调涉及模型结构、参数量、显存占用、存储需求等关键知识点。微调包括Prompt工程、数据构造、LoRA微调方法等。Prompt工程强调结构化、具体化、清晰化，数据构造注重质量把控，LoRA微调通过低秩分解模拟参数改变量，实现高效微调。强化学习如DPO训练可提升模型表现。实践方面，需经历数据构造、训练平台选择、模型推理部署等流程，关注数据质量、超参调整、推理加速等细节，以优化模型效果并迭代改进。