English(EN) How a 270M-parameter model on your phone turns a dictated note into contacts

设备端大语言模型针对联系人数据提取的速度和准确性进行了微调

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-22 01:34

Circles 应用的开发者创建了一个定制的、设备端大语言模型，用于将语音笔记处理成结构化的联系人信息，出于隐私和成本考虑，避免了基于云的处理。最初尝试使用通用的 Gemma 4 E2B 模型速度太慢且准确性不高。通过在18,000条笔记的合成数据集上微调一个规模小得多的 Gemma 3 270M 模型，该团队在速度和准确性方面都取得了显著的改进，在手机CPU上大约一秒钟即可处理笔记。 AI

影响展示了高度专业化的设备端大语言模型在消费者应用中处理隐私敏感数据的可行性。

排序理由这是对大语言模型在特定软件产品中的具体应用描述，而不是新模型或研究的发布。

在 dev.to — LLM tag 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是对大语言模型在特定软件产品中的具体应用描述，而不是新模型或研究的发布。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 2 days old; Coverage has settled into its steady-state source set.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Valentin Telegin · 2026-10-22 01:34

手机上2.7亿参数模型如何将口述笔记转化为联系人

<p>Circles is a birthday reminder built around people’s circles: a friend, their partner, their kids, their parents. The slowest part of any app like this is typing them in. Adding one family means a form per person — name, relation, gender, date. Saying it is faster:</p> <blockq…

本文如何被排名

报道来源 [1]

手机上2.7亿参数模型如何将口述笔记转化为联系人

相关实体

相关话题