可驗證獎勵強化學習 (RLVR)
在資料與算力受限下：以 RLVR 微調 Qwen3-4B 等小型語言模型的實驗結果
在資料與運算受限的情境下，研究檢視以可驗證獎勵強化學習（RLVR）微調小型語言模型的成效。作者使用三套程序化資料集（計數、圖形推理、空間推理），控制題目複雜度與多樣性進行實驗。結果指出混合難度訓練在低資料條件下帶來最佳樣本效率，最高可達5×提升，並支援未來建立RLVR資料尺度法則。
小型語言模型
深度分析
DeEscalWild：小型語言模型在警務去升級訓練的實境基準
研究聚焦警民對話去升級訓練，提出DeEscalWild基於實境影片蒐集1500例高品質場景，使用小型語言模型微調，顯著提升多項指標，證明低資源模型可媲大型模型，同時降低運算成本，適合邊緣裝置部署。
深度分析
EdgeCIM：小型語言模型記憶體內運算硬體與軟體協同設計
隨著小型語言模型在邊緣裝置的需求上升，傳統加速器在自回歸解碼階段受限於記憶體帶寬。EdgeCIM 以65nm記憶體內運算宏核搭配平鋪映射策略，平衡流水線以提升平行度並降低DRAM負擔。實驗顯示其在多模型測試中達到顯著的吞吐量與能源效率提升，成為邊緣即時推論的可行方案。
深度分析
小型語言模型情緒向量共享的幾何結構與行為差異深度比較
研究探討小型語言模型情緒向量幾何，抽取21種情緒於六種架構1‑8B模型，發現成熟模型情緒幾何高度相似，RLHF僅重塑未成熟模型，方法層級影響需分層解讀。
深度分析
角色編排推理：單模型三角色架構縮小 Qwen3‑8B 小型與大型代理人效能差距
大型語言模型在工具使用上表現優異，但小型模型部署受限。研究提出將同一模型在推理時分為摘要、主代理與校正三角色，透過結構化腳手架提升效能。實驗顯示，8B 模型在此編排下的任務完成率約翻倍，接近 33B 大模型表現。