待验证50% 置信事实精确时间
PharmaChat通过微调小型语言模型（SLM）将领域知识压缩进可在本地部署的模型，以降低对基础设施的要求。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证小型语言模型（SLM）参数量通常在数十亿以下，经过特定领域数据指令微调和蒸馏后，可在边缘设备或低带宽环境运行。70% 相似待验证专用小模型（SLM）针对特定任务微调，通常比通用大模型响应更快、成本更低，适合处理寒暄、引导等常规交互。69% 相似待验证小尺寸模型（SLM）通常将参数量控制在70亿至200亿之间，通过知识蒸馏、量化和强化学习对齐等技术在压缩参数量的前提下保持能力64% 相似待验证Parsec引入一个专门训练用于压缩token的小语言模型（SLM），在内容进入主模型之前先做预处理61% 相似待验证本地部署大语言模型（如 Llama、Qwen、Mistral 等）通过 Ollama、llama.cpp 等推理框架运行，推理不经过网络，优势是数据不出本地、无调用费用，劣势是对硬件要求高、推理能力通常弱于头部云端模型。60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1091105API
curl https://kongchang.com/api/v1/knowledge/claims/1091105MCP
get_claim(id=1091105)