arXiv · cs.CL（语言与教育交叉）· Marjan Celikik, Ana Peleteiro Ramallo, Javier Morales·· 3 天前精选AI 评分62
微调小模型在语法概念标注上超越提示式前沿模型并已部署
Grammar Concept Annotation at Scale: Deployed Fine-Tuned Small Language Models Outperform Prompted Frontier Models
AI 导读
研究团队用筛选并重平衡的教师生成监督数据微调 Qwen3.5 小语言模型，并将 0.8B 模型部署到面向平台全部英语学习者的语法掌握度追踪器中。在两个人工标注基准上，部署的 0.8B 模型与 4B 参照模型在概念、证据片段和正确性三层嵌套匹配标准下的精确率与召回率均超过提示式 GPT-5.4 和 GPT-5.6 Sol，服务成本降低约 16 倍。
推荐理由
论文给出微调小模型在语法标注上超越前沿大模型的精度与成本对比，可供教育产品选型参考。
来源：arXiv · cs.CL（语言与教育交叉） · arxiv.org