大模型在预训练完成后，若仅依赖原始参数直接使用，往往难以满足实际应用对准确性、安全性、效率和领域适配性的要求。虽然微调（包括监督微调 SFT 和强化学习对齐）是最主流的优化手段，但除此之外，还存在多种不修改或仅轻量修改模型参数的优化路径，适用于不同场景和资源约束。
检索增强生成（Retrieval-Augmented Generation, RAG）是一种典型的“外挂式”优化方案。它在推理时动态从外部知识库（如向量数据库）检索与用户查询相关的信息，并将检索结果作为上下文输入给大模型。这种方式无需重新训练模型，即可显著缓解幻觉问题、支持实时知识更新，并提升回答的事实准确性。RAG 尤其适用于知识密集型任务，如问答、客服或企业知识库查询。
提示工程（Prompt Engineering）通过精心设计输入提示（如系统指令、思维链、角色设定、少样本示例等），引导模型生成更符合预期的输出。虽然不改变模型本身，但高质量的提示可在特定任务上带来显著性能提升。进阶形式包括自动提示优化（如 Prompt Tuning 的无梯度版本）或集成多个提示策略，适用于快速迭代和低成本部署场景。
模型压缩与量化聚焦于降低部署成本。例如，将模型权重从 FP16 转换为 INT8 或 INT4 精度（量化），可在几乎不损失性能的前提下大幅减少内存占用和计算开销；知识蒸馏则利用大模型作为教师，训练一个更小的学生模型，在保持核心能力的同时提升推理速度；剪枝和稀疏化则移除冗余连接或注意力头，进一步压缩模型体积。
高效推理引擎与运行时优化也是关键方向。通过使用 vLLM、TensorRT-LLM、DeepSpeed Inference 等专用推理框架，结合 PagedAttention、算子融合、连续批处理（continuous batching）等技术，可显著提升吞吐量并降低延迟。此外，推测解码（Speculative Decoding）利用小模型“草稿”加速大模型生成，也是一种无需训练的推理加速策略。
安全与对齐后处理模块常作为独立组件部署。例如，在模型输出后接入内容过滤器、敏感词检测、事实核查模块或拒答判断器，形成“模型+护栏”架构。这类方案灵活、可插拔，便于快速响应合规或安全需求，而无需重新训练整个模型。
最后，继续预训练（Continued Pretraining）虽涉及训练，但不同于任务微调——它使用无标注的领域语料（如医学论文、法律文书）对模型进行额外预训练，以注入专业知识，提升领域术语理解和上下文建模能力，同时保留通用语言能力。
综上，大模型的优化远不止微调。在实际系统中，往往结合 RAG 提供事实支撑、量化压缩降低成本、推理引擎提升效率、提示工程快速适配、安全模块兜底防护，形成多层次、多维度的优化体系。这种“模型不动、外围协同”的思路，已成为当前工业界平衡性能、成本与敏捷性的主流实践。
