2. 在進行大型語言模型 (LLM) 企業專屬知識的 Fine-tuning 時，若內部 GPU 運算資源與記憶體嚴重受限，下列哪一種參數高效微調(PEFT, Parameter Efficient FineTuning)技術最能在維持模型效能的前提下，顯著降低需更新的參數數量？ (A)知識蒸餾(Knowledge Distillation)； (B)提示詞工程(Prompt Engineering)； (C)梯度凍結(Gradient Freezing)； (D)低秩適配(Low-Rank Adaptation)