Prompt engineering 提升小型语言模型在查询路由中的表现

一篇新的 arXiv 论文探讨了 Prompt Engineering 技术在小型语言模型（SLMs）执行受保护查询路由方面的有效性。该研究在 GQR-Bench 数据集上评估了 22 个 SLMs，重点关注它们路由分布内查询和拒绝分布外查询的能力。结果表明，Prompt 优化显著提高了紧凑型模型的性能，其中 Mistral 7B 和 Qwen3.5 9B 取得了显著的提升。研究表明，Prompt 优化是 SLMs 在此任务中的一个有价值的初步步骤，尽管较弱的模型可能仍需要权重级别的适应。 AI

影响 展示了 Prompt Engineering 在增强 SLM 能力以执行查询路由等专业任务方面的有效性。

排序理由 关于模型性能和优化技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• DSPy
• Gemma 3:27B
• GQR-Bench
• Granite 4 Tiny
• Hugging Face
• mistral:7b
• Qwen3.5:9b

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →