🏷️ 小模型
共 9 个相关内容
📝 文章
大模型蒸馏实战:用大模型当老师,教出小而强的学生模型
模型蒸馏不是简单让小模型模仿大模型输出。本文讲透数据构造、温度控制、教师选择与评估,附可运行蒸馏流程与踩坑清单。
2026/9/21端侧小模型爆发:为什么2026年你的手机突然变聪明了
解析端侧小模型的技术成熟曲线,对比云端的真实差异,讲清哪些任务该放端上、哪些必须上云,附选型与落地建议。
2026/9/27端侧小模型实战:把AI塞进手机和IoT的2026年指南
从模型选型、量化、推理引擎到功耗控制,讲清端侧部署小模型的完整链路和真实取舍。
2026/4/26合成数据微调实战:数据不够时怎么把小模型练出来
真实标注数据又贵又少?讲清用大模型生成合成数据微调小模型的完整流程、质量控制和避坑要点。
2026/4/26小模型崛起:SLM 正在悄悄取代一部分大模型
不是所有任务都需要千亿参数。本文讲清小语言模型的优势边界、适合接管的场景,以及大小模型混搭(路由)的架构思路。
2026/4/26端侧小模型不是云端的缩水版:把3B放进设备后,你要重构整条链路
很多团队把“端侧部署”理解成把云端模型压小然后塞进设备。实际落地后会发现,内存、功耗、冷启动、更新机制全部要重新设计。本文讲清端侧模型的四个新增约束和三条工程对策。
2026/4/26手机跑AI 2026:端侧模型的真实能力边界,和三个不能端侧的理由
端侧AI被吹了一整年。实测下来哪些任务真的能在手机上跑、哪些纯属幻想?本文给出清晰的边界线、选型建议,以及必须留在云端的三种场景。
2026/4/26端侧小模型 vs 云端大模型:什么任务该放在本地跑
手机和笔记本的NPU越来越强,端侧模型开始能干正事。本文给出一条明确的划分线:哪些任务留在本地、哪些必须上云、以及混合架构怎么设计。
2026/11/172026 年做 AI 不用重模型了:小模型管线的分层打法
分类、抽取、路由、摘要占了企业 AI 调用量的七成以上,而它们几乎都不需要顶级大模型。本文给出按任务模糊度分层的选型框架、三个常见翻车点,以及什么时候别折腾小模型。
2026/11/19