大型語言模型 企業AI架構：以SLM與知識外部化取代單體式大型語言模型推理 本文提出在企業場景下，不應將大型語言模型（LLM）或其蒸餾版本當成單一的推理與知識倉庫。企業工作負載多為確定性、結構化且高度依賴領域知識，對延遲、成本與可靠性有嚴格要求。作者主張將高容量模型定位為離線的規則與範式來源，線上系統則以小型語言模型（SLM）做結構化萃取，並把知識存放與重複運算外部化到可檢視的資料庫與符號化程序。
