arXiv · cs.AI· Marjan Celikik, Ana Peleteiro Ramallo, Javier Morales·· 8 小时前
面向大规模语法概念标注：部署的微调小型语言模型优于提示式前沿模型
Grammar Concept Annotation at Scale: Deployed Fine-Tuned Small Language Models Outperform Prompted Frontier Models
arXiv:2610.10827v2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：Marjan Celikik, Ana Peleteiro Ramallo, Javier Morales
研究任务与主要进展
研究团队微调 Qwen3.5 小型语言模型，部署 0.8B 模型进行英语学习者语法掌握度追踪，并在两项人工策划基准上超过提示式 GPT-5.4 和 GPT-5.6 Sol。相较提示式前沿模型，部署的 0.8B 模型将服务成本降低约 16 倍；其线上实验还报告学习者参与度提升 15.8%、预约时长提升 2.1%、新课程 GMV 提升 13.2%。以上结论基于论文摘要。
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