研究评估轻量LLM意图转SLO能力

1. 21:12
   arXiv · cs.CL

   轻量级 LLM 在意图到 SLO 翻译中能走多远？

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。