Nassim Nicholas Taleb 的理念认为，小型语言模型 (SLM) 比大型语言模型 (LLM) 更具反脆弱性。Taleb 会因为 SLM 的风险分散、本地适应性和可解释的错误而偏爱它们，这与 LLM 的单点故障和不透明性形成对比。他还认为 SLM 提供了更大的选择性，与 LLM 僵化昂贵的基础设施相比，成本更低且易于集成。此外，Taleb 的“切肤之痛”概念意味着使用本地部署、可审计的 SLM 能将责任归属到应属之处，这与 LLM 供应商的脱节责任不同。他还会批评标准的 LLM 基准测试与其在现实世界效用上的脱节，偏爱在实际的本地数据上进行微调的 SLM。 AI
影响 建议战略性地转向更小、可审计的模型，以提高人工智能部署的韧性和控制力。
排序理由 该条目分析了现有概念（Taleb 的理念）应用于技术（SLM 与 LLM）的场景，而不是报道新事件。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
