Biographical benchmark

小型语言模型在关系抽取任务上可媲美前沿大模型

一篇新的arXiv论文表明，参数量少于10亿的小型语言模型（SLMs）在关系抽取任务上的表现可以媲美更大、更前沿的大型语言模型（LLMs）。通过在特定数据集上对这些较小的模型进行微调，研究人员在通用和文学关系抽取基准测试中取得了优于GPT-5.4和Claude Sonnet 4.6等零样本前沿模型的成果。这表明对于某些任务，高度适配的SLMs可以提供比大型专有模型更高效、更私密的替代方案，甚至在文学任务上超越了判别式RoBERTa基线。