Ibn Arabi

轻量级LLM在基于意图的网络翻译方面展现出潜力

一篇新的arXiv论文探讨了轻量级大型语言模型（LLM）在将自然语言意图翻译成基于意图的网络（IBN）的服务级别目标（SLO）方面的有效性。该研究评估了十个参数少于100亿的模型，在各种提示设置下，衡量了翻译性能、意图验证、幻觉率、能耗以及对措辞变化的鲁棒性。研究发现，最佳配置达到了0.943的严格F1分数，并且能够拒绝高比例的无效意图，尽管鲁棒的意图验证仍然是一个挑战。