Lời nhắc mềm là một phương pháp điều chỉnh lời nhắc, thêm vectơ nhúng có thể học được vào đầu đầu vào thay vì ngôn ngữ tự nhiên và kiểm soát đầu ra trong khi vẫn giữ cố định trọng số của mô hình.
Nhắc mềm là một phương pháp tinh chỉnh hiệu quả tham số (PEFT) được đề xuất vào năm 2021, bổ sung một vectơ liên tục có thể học được (mã thông báo ảo) vào đầu vào thay vì ngôn ngữ tự nhiên và kiểm soát đầu ra trong khi vẫn giữ cố định trọng số của mô hình. Ưu điểm của tiêu chuẩn ngành này là nó có chi phí học tập thấp hơn so với việc tinh chỉnh hoàn toàn và có thể được sử dụng bằng cách thay thế các vectơ nhẹ cho từng tác vụ. Mặt khác, trong hoạt động thực tế kể từ năm 2026, cạm bẫy đã được chỉ ra là các vectơ được huấn luyện sẽ phụ thuộc rất nhiều vào phiên bản mô hình cụ thể và cài đặt lượng tử hóa, đồng thời sẽ cần phải đào tạo lại mỗi khi cập nhật mô hình. Vì việc học yêu cầu môi trường cục bộ để tính toán độ dốc nên về nguyên tắc không thể sử dụng các mô hình API đóng và các mô hình trọng số mở được sử dụng. Trong thực tế, có xu hướng chọn lời nhắc mềm nếu bạn muốn chuyển đổi giữa nhiều tác vụ với một lượng nhỏ dữ liệu và lời nhắc vài lần bằng ngôn ngữ tự nhiên hoặc LoRA nếu bạn ưu tiên khả năng diễn giải và dễ chia sẻ. Về mặt chi phí, nó rẻ hơn đáng kể so với việc tinh chỉnh hoàn toàn, nhưng chi phí xây dựng môi trường học tập lại cao hơn kỹ thuật prompt thông thường.