Materials Data Science

研究了Qwen和GPT模型在本体学习中大型语言模型规模的影响

一篇新发表在arXiv上的研究调查了大型语言模型（LLM）规模对本体学习性能的影响。研究人员使用OntoLearner管道，在生物医学和材料科学领域评估了包括Qwen3.5和Qwen3.6系列变体在内的13个模型。研究结果表明，虽然增加密集模型的参数量通常会提高精度，但规模的影响在所有任务和领域并非普遍适用。值得注意的是，在术语类型化方面，27B密集模型优于更大的稀疏模型，而在分类发现方面，混合专家模型表现出更强的结果。