小型语言模型

SLM

参数量远少于大语言模型、可在单个GPU或设备上运行的语言模型。

2篇文章最近提及

小型语言模型(SLM)指参数量远少于大语言模型(LLM)的语言模型。虽无明确界限,但一般在数亿到数十亿参数之间,可在单个GPU或笔记本电脑、智能手机等设备上运行。代表性例子包括微软的Phi、谷歌的Gemma以及阿里巴巴Qwen的小型版本。

其通用能力不及前沿大模型,但在延迟、成本和隐私方面具有优势,用于端侧AI和本地部署环境。它们常针对分类、路由、抽取等范围明确的任务进行微调作为专用模型,在智能体系统中也作为减少大模型调用的组件使用。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。

涉及该条目的文章

  • GPT-6.2 Astra 发布:单任务成本大降,编程得分持平AI资讯 ·

    OpenAI 用具体的工程工作做了测试:调试失败的内部实验,为加速器芯片编写底层内核(对性能要求极高的代码),以及加速 NanoGPT 预训练脚本,这类脚本负责小型语言模型的初始训练。

    阅读文章
  • 智能平面:模型与数据同质化后,企业智能体的真正护城河AI应用 ·

    在企业中,研究智能体、交易助手和运维智能体在访问外部工具(API和MCP服务器,MCP即模型上下文协议,一种把智能体连接到工具的标准)、大小语言模型以及企业表和文档时,都要经过这一层。

    阅读文章

发现说明有误或找不到条目?

百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。