Dharma AI 团队发布了 Dharma Field Extractor,这是一个拥有 20 亿参数的专用小语言模型。该模型旨在从任意类型的文档中精确提取用户指定的字段并输出为 JSON 格式,声称在成本显著低于前沿大模型的情况下,性能超越了测试中的所有主流 LLM。
小语言模型
Small Language Model (SLM)
参数量较小(通常小于10B)但针对特定任务优化的语言模型
收录情报动态
IBM Research 推出 Palette,一种基于开源权重的小语言模型,专门用于在本地基础设施上生成符合特定企业设计语言的演示文稿。该方案旨在解决前沿大模型输出风格同质化及数据隐私泄露问题,通过“先构建检查器”和“安全修复机制”确保输出质量与指令遵循度。
AAIF 是一个基于 Strands Agents 构建的自适应代理智能框架,旨在解决 AI 代理中“一刀切”调用大模型导致的成本与延迟问题。该框架利用小语言模型(SLM)在本地处理常规任务,仅将复杂请求路由至云端大模型,从而优化资源分配并支持离线操作。
Dharma-AI 团队发布 VocabX 论文预览,提出通过特化小语言模型(SLM)的词汇表来优化推理效率。在真实生产环境的作文评分应用中,该方法将推理成本降低了 77%,解决了通用开源模型继承庞大词汇表导致特定领域文本分词碎片化的问题。
世界银行首席知识官呼吁发展中国家利用可在手机等终端离线运行的小型 AI 模型,以克服网络基础设施限制并加速经济增长。该机构强调需结合本地需求定制技术,并通过公私合作推动如农业土壤分析等具体场景落地。
Anthropic 提出一种尚未发生的威胁假设,声称随着小型语言模型能力的提升,自复制的 AI 僵尸网络可能在几个月内变得可行。该观点认为,一旦轻量级模型具备足够的智能与代码生成能力,即可利用物联网硬件发起自主传播的网络攻击。
GitHub 推出专为大规模代码扫描训练的上下文感知密钥分类器,通过区分真实凭证与文档占位符,将警报精确率提升至 86%。该紧凑型模型替代远程 LLM 调用,使推送后扫描执行时间降低 98%,显著优化了 AI 加速开发下的安全运维成本。
Allen AI 发布并开源了 AstaBrief,这是一个专为快速生成科学报告设计的 8B 参数语言模型。该模型旨在解决科研场景中对证据忠实度、结论不夸大及可验证性的特殊需求,作为 Asta 平台的核心组件提供高效文献综合与报告撰写能力。
SyGra 是一个旨在为大型语言模型(LLM)和小语言模型(SLM)提供一站式数据构建支持的框架。目前仅知其为数据处理工具,具体功能细节、性能指标及开源状态未在提供的简短标题中披露。
Hugging Face 推出了名为 SmolLM 的轻量级大语言模型系列,主打极速推理与高性能平衡。该系列旨在为资源受限环境提供高效解决方案,但当前素材仅包含标题信息,缺乏具体参数、基准测试数据及架构细节。