研究人员开发了RadLite，一种用于放射学任务的30-40亿参数小型语言模型（SLM）微调方法。该方法利用Qwen2.5-3B-Instruct和Qwen3-4B等模型的LoRA微调，显著提高了九种不同放射学应用的性能。所得模型足够小，可以量化并在消费级CPU上部署，为资源受限的临床环境提供了实用的解决方案。 AI
影响 能够在消费级硬件上部署专用AI助手，减少临床应用对GPU的依赖。
排序理由 学术论文，详细介绍了新的微调方法及其在特定领域的小型语言模型上的应用。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.00421v1 Announce Type: cross Abstract: Large language models (LLMs) show promise in radiology but their deployment is limited by computational requirements that preclude use in resource-constrained clinical environments. We investigate whether small language models (SL…
Large language models (LLMs) show promise in radiology but their deployment is limited by computational requirements that preclude use in resource-constrained clinical environments. We investigate whether small language models (SLMs) of 3-4 billion parameters can achieve strong m…