arXiv 人工智能· Jundong Hu, Shekar Ramachandran·· 3 小时前AI 评分48
衡量微任务合格差距：开箱即用的小语言模型何时足以胜任智能体框架？
Measuring the Microtask Eligibility Gap: When Is an Off-the-Shelf SLM Enough for an Agent Harness?
AI 导读
研究构建了涵盖 4 项微任务的基准，测试开箱即用的小语言模型（SLM）在智能体框架中的合格差距。在 FP16 贪婪解码且未微调的设置下，Qwen3（0.6B/1.7B/4B/8B）和 Llama-3.x 的所有配置均未通过置信区间设定的阈值，且 4-bit 量化（RTN/GPTQ/AWQ）均无法使其达标。
来源：arXiv 人工智能 · arxiv.org