A Comprehensive Survey of Small Language Models in the Era of Large Language Models

本文是LLM系列文章,针对《A Comprehensive Survey of Small Language Models in the Era of Large Language Models: Techniques, Enhancements, Applications, Collaboration with LLMs, and Trustworthiness》的翻译。

摘要

大型语言模型 (LLM) 在文本生成、问题回答和推理方面表现出了新兴的能力,促进了各种任务和领域的发展。尽管 LaPM 540B 和 Llama-3.1 405B 等LLM精通各种任务,但由于参数大小和计算需求较大而面临限制,通常需要使用云 API,这会引发隐私问题,限制边缘设备上的实时应用程序,并增加精细度。调整成本。此外,由于特定领域知识不足,LLM通常在医疗保健和法律等专业领域表现不佳,需要专门的模型。因此,小语言模型(SLM)因其低推理延迟、成本效益、高效开发、易于定制和适应性而越来越受到青睐。这些模型特别适合资源有限的环境和领域知识获取,解决了LLM的挑战,并且非常适合需要本地化数据处理以保护隐私、最小推理延迟以提高效率以及通过轻量级微调获取领域知识的应用程序。对 SLM 不断增长的需求刺激了广泛的研究和开发。然而,目前还缺乏对SLM的定义、获取、应用、增强和可靠性等相关问题的全面调查,这促使我们对这些主题进行详细的调查。 SLM 的定义差异很大&

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值