最近对小型本地运行的语言模型进行的评估显示,它们在日语分类任务上的表现受到token预算限制的严重阻碍,而非理解能力不足。LFM2.5-2.6B和Phi 4 Mini等模型常常在512个token的限制内无法生成完整答案,导致它们被判为错误,尽管它们的推理是准确的。当token预算增加时,这些模型的答案率和准确性有所提高,尽管有些模型仍然会达到上限或生成无法解析的输出。最终,即使有这些改进,在这些特定任务上,经过测试的本地模型并未超越托管API的准确性,API的优势在于其无法进行格式化失败。 AI
影响 强调了token预算和输出格式在小型本地LLM实际应用中的关键作用。
排序理由 该条目详细介绍了在特定任务上对多个小型语言模型的评估,比较了它们的性能并确定了局限性。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →