待验证50% 置信解决方案精确时间

若训练集能充分覆盖推理时可能出现的工具类型和参数组合，小模型同样能学到可靠的格式生成能力，而不必依赖大模型的深层语义推理

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

GPT-2微调实验：355M小模型实现88%函数调用成功率

相关事实

待验证Skills范式利用大语言模型本身同时完成意图理解、槽位填充和参数结构化，实现零样本意图路由，无需额外训练数据79% 相似待验证少样本学习通过在Prompt中提供2-5个示例帮助模型快速理解输出格式和风格要求79% 相似已验证微调是在通用预训练模型基础上用特定领域数据进行二次训练，使模型能将领域知识内化为参数，推理时无需额外检索步骤，延迟更低79% 相似待验证开发调试阶段使用小模型可低延迟验证工作流逻辑，生产环境可热插拔替换为更大模型而无需改动编排逻辑77% 相似待验证多模型编排系统训练专门的编排模型来做路由决策，而非使用硬编码规则76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/518117

API

curl https://kongchang.com/api/v1/knowledge/claims/518117

MCP

get_claim(id=518117)