待验证50% 置信事实精确时间
TEFM（Token-Efficient Faithful Modeling）是arXiv上最新发表论文提出的框架，旨在同时解决结构化数据建模中的Token效率与可信度问题
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证TEFM采用双保真目标（dual-fidelity objective），同时优化代码级重建和预测级保真两个层面69% 相似待验证可通过vLLM、TGI等高性能推理框架部署开放权重模型，并用LoRA等参数高效微调技术定制61% 相似待验证TEFM在Qwen3、Gemma-2、Phi-4等多个主流大语言模型上进行了测试并取得一致的效果提升，证明其模型无关性61% 相似待验证工程落地阶段常用的推理框架包括Ollama、vLLM、TGI等61% 相似待验证persistent-inference 是一个开源项目，用两个文件解决 TF/Keras 模型的持久化推理问题，让模型常驻内存以消除每次调用的重复加载成本57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/893235API
curl https://kongchang.com/api/v1/knowledge/claims/893235MCP
get_claim(id=893235)