深度分析
「答案條件式 CoT 蒸餾」提升 3B 小模型於工業視覺少樣本任務的表現,超越 GPT-4.1
工業視覺檢測常面臨標記數據不足且需求變動快的挑戰。本研究提出答案條件式 CoT 蒸餾技術,讓頂尖模型在已知正確答案的情況下生成視覺推理,並將其蒸餾至 3B 小模型中。實驗顯示在僅 18 至 30 張樣本下,該方法在多項工業任務中全面勝過直接微調,甚至在焊縫檢測中表現超越 GPT-4.1。
深度分析
工業視覺檢測常面臨標記數據不足且需求變動快的挑戰。本研究提出答案條件式 CoT 蒸餾技術,讓頂尖模型在已知正確答案的情況下生成視覺推理,並將其蒸餾至 3B 小模型中。實驗顯示在僅 18 至 30 張樣本下,該方法在多項工業任務中全面勝過直接微調,甚至在焊縫檢測中表現超越 GPT-4.1。
深度分析
本研究評估大型語言模型能否依ODD規範自動生成可驗證的代理人模型程式碼,使用PPHPC捕食者‑獵物模型作基準,結果顯示GPT‑4.1能穩定產出統計相符且效能佳的Python實作,其他模型表現參差,突顯LLM在模型工程的潛力與局限。此結果對未來科研自動化具啟示。