Unverified50% confidenceTradeoffExact time
基于LLM的现代DST系统只需少量业务领域示例即可快速适配新场景，相较早期基于规则或统计的方法降低了部署门槛
1
Sources
50%
Confidence
Long-term
Relevance
7/18/2026
First Seen
Sources
Related Claims
Unverified通过提供更多具体案例（few-shot prompting）或在提示词中明确限定系统规模，是纠正LLM过度设计的有效手段70% similarUnverified针对有限意图集合的轻量分类器在延迟和资源消耗上远优于通用LLM调用67% similarUnverified通过'不要按常规套路'这样的约束性提示词，本质上是在调整模型的采样分布，降低高频方案的输出权重，迫使模型探索低概率但可能更具创新性的输出区域67% similarUnverified专用小型分类器相比大模型监督具有成本更低、延迟更短的优势，适合嵌入高频执行循环66% similarUnverified对于大多数现代 LLM，推理过程是显存带宽瓶颈而非计算瓶颈65% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/556554API
curl https://kongchang.com/api/v1/knowledge/claims/556554MCP
get_claim(id=556554)