Unverified50% confidenceSolutionExact time
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
Sources
50%
Confidence
Long-term
Relevance
7/15/2026
First Seen
Sources
Related Claims
UnverifiedSkills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% similarUnverified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% similarVerified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% similarUnverified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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/518117API
curl https://kongchang.com/api/v1/knowledge/claims/518117MCP
get_claim(id=518117)