用途：在决定要微调或蒸馏之后，改变模型权重以提升特定行为、格式或风格表现。是否该微调、选模型与供应商、MoE 对比 dense 等由 ai-architecture-advisor 判断；RLHF/DPO/GRPO 等后训练归 ai-post-training；评估归 ai-evals。
主要能力：配置 LoRA/QLoRA（rank、alpha、alpha 约定、目标模块、学习率）；选择全量微调还是 PEFT；构建 SFT 数据集（chat 模板、提示 token 损失掩码、packing、污染控制）；把大教师蒸馏到小学生或在剪枝后恢复质量；诊断 tokenizer 碎片化、fertility 与故障 token；计算微调回本点。
使用方式：默认先做评估再建数据集，按切片留出任务集、同种子基线并加遗忘集；数据先去重并按组划分训练/评估，再扩增；训练与服务使用同一 chat 模板，渲染示例并比对 token id；损失只算助手 token（提示 token 用 ignore_index=-100），packing 不得跨样例边界；默认 LoRA/QLoRA 覆盖所有线性层，记录 rank、alpha、目标模块与有效批量，可训练占比按 Σ r·(d_in + d_out) 实测而非引用百分比；仅在证据充分时按升级顺序提高；蒸馏前确认教师条款允许训练竞品模型并记录许可证；发布门禁在真实服务工件与配置上跑，按切片、schema 合法率、工具调用率与遗忘集对比基线，部署交给 ai-mlops。
限制：微调不适合易变知识或可被检索/更大思考预算解决的问题；注意在提示 token 上算损失、packing 跨边界、近重复样本跨划分、量化后才出现的差异、以困惑度作门禁、把过好分数当成功等陷阱；训练器功能与库维护状态常变，动手前查训练器文档、模型卡与 config.json。本技能不含脚本，成本估算在 ops-cost-optimization，离线提示回归在 ai-evals。