待验证50% 置信事实精确时间

一篇发表于arXiv的研究构建了围绕Agent微任务的基准测试，检验现成小语言模型(SLM)在这些微任务上是否够用

1

来源数

50%

置信度

长期有效

时效性

2026/10/2

首次发现

来源

小模型够用吗？Agent微任务中SLM的能力鸿沟实测

涉及实体

arXivconcept SLMconcept

相关事实

待验证不同AI模型在不同任务上的表现差异已被SWE-bench、HumanEval、MBPP等基准测试证实69% 相似待验证该研究提出动作表征探针（ARP）方法，聚焦于动作决策时刻形成的表征来预测任务是否成功67% 相似待验证一项来自arXiv的研究提出了一种测试时优化方法，通过移除输入中未被提及的概念来提高LLM解释的完整性和可靠性67% 相似待验证软件测试工程师能力模型经历三次迭代：纯手工测试、自动化测试、AI辅助测试67% 相似待验证多任务统一模型的各子任务质量是否都能达到专用模型水准仍需社区在真实素材上检验67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/966709

API

curl https://kongchang.com/api/v1/knowledge/claims/966709

MCP

get_claim(id=966709)