研究人员开发了一种名为证据驱动的局部行为预测（ELBP）的新型架构，专为小型语言模型（SLMs）预测用户辅助需求而设计。该四层系统处理交互数据，使用双视图表示，并结合了基于SLM的预测和证据验证。在参数量小于3B的SLMs上的实验表明，Qwen2.5-3B模型与ELBP集成后，在预测准确性方面取得了显著提高，优于原始事件提示和XGBoost。 AI
影响 该架构可以通过提高小型模型中的行为预测能力，从而实现更高效、更私密的设备端AI助手。
排序理由 该集群包含一篇详细介绍SLM新架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Adeyemi Adeseye Mr.
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Evidence-Grounded Local Behavioral Prediction
- Gotit.pub
- Hugging Face
- Qwen2.5-3B
- ScienceCast
- Small Language Models
- XGBoost
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
