arXiv · cs.AI· Yangjie Xu, Lujun Li, Lama Sleem, Niccolo Gentile, Yewei Song, Yiqun Wang, Siming Ji, Wenbo Wu, Hui Huang, Radu State·· 6 小时前
Agent Skill Framework研究评估270M—80B开源模型在工业任务中的技能增强与GPU成本
Agent Skill Framework: Perspectives on the Potential of Small to Medium Language Models in Industrial Environments
arXiv:2602.16653v4阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yangjie Xu, Lujun Li, Lama Sleem, Niccolo Gentile, Yewei Song, Yiqun Wang, Siming Ji, Wenbo Wu, Hui Huang, Radu State
研究任务与主要进展
基于论文摘要，研究团队对270M—80B开源模型在技能增强框架下的工业环境可行性进行大规模实证评估，覆盖保险理赔和Python编程两类分类任务。极小模型经常无法检索或选择正确技能，而30B—80B模型从技能增强中获得显著收益；研究还报告了GPU显存时间占用量，用于描述评估设置下的部署成本。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org