迁移学习（2026.08.25）

概念编号：081

一句话理解

迁移学习就是不从零开始，把旧任务中学到的东西带到新任务中继续使用。

具体解释

预训练模型可以迁移到新的语言、领域、任务或模态，再通过微调、提示词或其他适配方法完成目标。迁移的效果取决于源任务和目标任务的相似程度。

边界与易混淆概念

• 迁移学习不等于复制数据：迁移的可能是表示、参数或行为能力。
• 迁移不保证无损：领域差异可能造成负迁移。
• 迁移学习比从零训练节省资源，但仍需验证。

例子

一个先学会通用中文的模型，再适配法律文本分类，可以利用原有语言表示减少新任务训练成本。

相关概念

• 基础模型（2026.08.25）
• 微调（Fine-tuning）（2026.08.25）
• 蒸馏（Knowledge Distillation）（2026.08.24）

来源

• On the Opportunities and Risks of Foundation Models

概念卡更新日志

• 2026.08.25｜创建概念卡：依据基础模型的下游适配与能力迁移关系，登记为 081。