该文汇总多项大语言模型高效适配研究：通过指令调整提升推理效率并保持生成质量；提出LoFT提高黑盒攻击迁移性；用小型白盒模型结合黑盒模型微调提升翻译性能；黑盒优化任务提示；轻量Probing预测调优表现；Decoder Tuning仅需一次API查询且加速千倍；ProMoT两阶段框架保留上下文学习能力；LMaaS场景少样本学习方案；轻量扰动机制兼顾隐私与实用性；以及依赖输入的提示调整等方法。