正确答案是：C: Fine tuning 和 D: Prompt tuning。

专业分析：
大语言模型（Large Language Models，LLMs）的常用训练方法主要包括以下几种：

1. **Fine Tuning（微调）**：
- **定义**：Fine tuning 是在预训练语言模型的基础上，使用特定任务的数据进行进一步的训练。这种方法可以使预训练模型适应特定任务，提高其在该任务上的表现。
- **应用**：广泛应用于各种自然语言处理任务，如文本分类、问答系统、机器翻译等。

2. **Prompt Tuning（提示调优）**：
- **定义**：Prompt tuning 是通过设计特定的提示（prompts）来引导预训练语言模型生成所需的输出。这种方法不需要对模型参数进行大规模调整，只需设计合适的提示即可。
- **应用**：适用于需要快速适应新任务或在低资源环境下进行任务的场景。

虽然集成学习和强化学习在机器学习领域也有广泛的应用，但它们通常不是大语言模型的主要训练方法。

3. **集成学习（Ensemble Learning）**：
- **定义**：集成学习通过结合多个模型的预测结果来提高整体性能。常见的方法包括Bagging、Boosting等。
- **应用**：通常用于提升模型的稳定性和准确性，但在大语言模型的训练中不常见。

4. **强化学习（Reinforcement Learning）**：
- **定义**：强化学习通过与环境的交互来学习策略，以最大化累积奖励。在自然语言处理领域，强化学习有时用于优化对话系统等，但不是大语言模型的主要训练方法。
- **应用**：更多用于决策和控制问题，如游戏AI、机器人控制等。

综上所述，Fine tuning 和 Prompt tuning 是大语言模型的常用训练方法。