arXiv · cs.CL· Sabbir Ahmed·· 19 小时前AI 评分29
轻量级 LLM 在意图到 SLO 翻译中能走多远？
How Far Can Lightweight LLMs Go in Intent-to-SLO Translation?
来源与原文
arXiv · cs.CL
作者：Sabbir Ahmed
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07982v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究对五个模型家族、参数量均小于 10B 的十个 LLM 在 716 条放置意图上做五维评估，最佳配置以严格 F1 0.943 完成意图翻译，并在 195 条无效意图中拒绝多达 191 条。少样本推理下最强模型仅在约百分之一的回复中幻觉出不支持的 QoS 需求，零样本设置表现不佳；无推理时每条翻译意图消耗 0.044-0.148 Wh GPU 能量。真实改写措辞在最佳模型的 16 种配置中有 15 种降低了无效意图拒绝率，稳健的意图校验仍是可靠 IBN 的关键开放挑战。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。