arXiv论文分解小语言模型与前沿模型终端任务差距

Ashima Suvarna 等作者在 arXiv 论文《Blind Spots》（arXiv:2610.39006）中，将小语言模型（SLM）与前沿模型（FM）在终端任务上的差距沿可解性、验证、置信度三个维度分解：可解性指额外测试时算力能否让 SLM 得出正确解，验证指能否从候选轨迹中识别成功解，置信度指能否准确预估成功概率。 在两个标准终端 benchmark 上的结果显示：重复采样能缩小但不能消除可解性差距；验证能力差距持续存在，相同候选轨迹下 FM 远比 SLM 更接近最优选择；SLM 还更过度自信、校准更差。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。