本研究提出了剪枝感知调优（PAT）方法，解决了大语言模型的内存和计算需求问题。通过引入混合稀疏化模块（HSM），该方法在模型微调的同时进行结构剪枝，提高了效率和性能。实验结果显示，与LoRA微调模型相比，速度和准确性都有显著提高。