该图展示了模型微调（Fine-tuning）体系中的参数与数据权衡图谱，核心观点为“改多少，是这门手艺的全部”。图中指出同一基座从提示微调到全量重训，中间隔着数量级的参数与数据差异。横轴呈现了四种微调范式：01 提示微调（可调参数<0.1%）、02 适配器与LoRA（约1%）、03 部分层解冻（约10%）和04 全量微调（100%）。上方虚线展示了“性价比拐点”的规律：随着可调参数比例增加，收益初期显著上升，但在参数达到10%（部分层解冻）后，若继续向右推进至全量微调，边际收益大幅递减，甚至变为成本负担。图中下方详细对比了各范式的适用场景（单任务/多任务/域迁移/一次微调）、所需标注数据（几百条/几千条/上万条/十万条以上）、典型方法及主要风险。底部的核心结论指出：选择微调档位只需看三件事——标注数据量、容忍的遗忘程度及推理端算力；三件若有两件不达标，就应往左退一档，这比在右端盲目堆算力更划算。