一篇新的研究论文探讨了小型语言模型（SLMs）在执行复杂图算法方面的能力。该研究引入了一个评估框架，用于评估SLMs在遍历和着色等任务上的性能，发现虽然适应性可以为某些结构化程序带来可靠的策略，但加权算法仍然极易受到误差累积的影响。研究强调了通过完整的闭环推广来评估SLMs的重要性，而不是孤立的决策，因为强大的下一步预测并不能保证可靠的自主执行。 AI
影响 强调了在复杂的、多步骤的决策任务中，除了简单的预测之外，还需要对SLMs进行稳健的评估。
排序理由 在arXiv上发表的研究论文，详细介绍了SLMs在图算法方面的新评估框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
