监督微调有哪些特点？

监督式微调的特点是能够利用预训练模型的参数和结构，避免从头开始训练模型，从而加速模型的训练过程，并且能够提高模型在目标任务上的表现。它在自然语言处理、计算机视觉等领域中得到了广泛应用。

然而，监督式微调也存在一些缺点。首先，需要大量的标注数据用于目标任务的微调，如果标注数据不足，可能会导致微调后的模型表现不佳。其次，由于预训练模型的参数和结构对微调后的模型性能有很大的影响，因此选择合适的预训练模型也很重要。