热点事件持续更新

论文提出前沿LLM迭代、SLM蒸馏的两步智能体流程

1 篇报道1 个报道来源15 小时前更新

先了解这件事

AI 综述

一篇被 NeurIPS 2026 AABA4ET 研讨会接收的论文提出两步流程：先在 GPT-5.4-nano 等前沿模型上用提示词开发行为，行为收敛后将真实生产记录（而非合成模仿）通过监督微调蒸馏到小模型（SLM）。作者称，用 11.6k 条生产决策记录对 Qwen3-8B 做 LoRA 微调，与前沿模型的一致率达到 0.913，且中位延迟约为后者的 1/2.5、成本仅为其一小部分。该方法的核心主张是“先在前沿模型上迭代、再蒸馏到 SLM 部署”，以真实生产数据为训练来源。上述一致率、延迟与成本数据均出自论文作者自述，尚未见独立复现。

AI 根据报道生成 · 2 小时前更新

最新进展10月15日 12:00

在 LLM 上迭代，在 SLM 上部署：用 GPT-5.4-nano 蒸馏微调 Qwen3-8B 的智能体实践

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv：cs.AI
在 LLM 上迭代，在 SLM 上部署：用 GPT-5.4-nano 蒸馏微调 Qwen3-8B 的智能体实践
研究提出先在 GPT-5.4-nano 等前沿模型上以提示词开发行为、再用真实生产记录做 SFT 蒸馏到 SLM 的两步流程。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。