Awesome-Parameter-Efficient-Fine-Tuning-for-Foundation-Models

大模型轻量微调方法一网打尽，选型不再翻论文

这是一个围绕基础模型参数高效微调（PEFT）的资源汇总项目，系统整理了在不大幅增加可训练参数的前提下适配大模型的方法与资料。它解决的核心问题是：全量微调大模型成本高、显存占用大、部署多任务时存储开销惊人，而普通开发者难以快速找到适合自己场景的轻量微调方案。项目以分类清单形式收录了 Adapter、LoRA、Prefix/Prompt Tuning、BitFit、IA3 等主流技术路线，并关联论文、代码库与综述，帮助研究者和工程师按任务类型、模型结构快速定位方法。核心能力是索引与导航：把分散在论文和仓库中的 PEFT 工作按类别聚合，降低检索成本，同时给出方法间的对比视角，便于选型和后续实验设计。适合作为入门地图或方案调研的起点。