SLMJury

深度分析

SLMJury：小型語言模型在自動評分中的效能與成本平衡分析

本研究針對小型語言模型作為評分裁判進行系統性測試，提出SLMJury框架以10與8192兩種預算評估16款0.6B‑14B模型，發現快速判斷在數學任務表現優於深度推理，而在一般推理任務則相反，且小模型在抗干擾測試中變異不超0.55%，顯示可在成本與效能間取得平衡。