浅显的理解，这个核心是一个通用分类器。传统分类器要么准确度有点问题，要么在不同场景下可能要专门训练。而这个相当于结合了LLM的语义理解能力，同时能够快速适配不同场景。 所以我觉得，可能一些常见场景，比如垃圾邮件分类、工具选择，这一类东西可能会有用。 当然，如果场景过于常见，其实可能也值得专门训练一个分类器模型。目前我看到X上比较有用的，感觉还是Computer Use以及browser use这些，因为组件动态变化，传统的BERT这类模型不是很好训练，可能会用这个新的模型，效果会比较好。 对比大语言模型做分类，我理解核心优点就是速度快。传统大模型是自回归架构，所以泛用性也很好，可以做各种分类，吐JSON、吐出choices都完全可以做到。但是它的架构决定了它速度不会那么快。另外一个点可能是奖励函数的差异。这个模型的奖励函数看起来是直接锚定最终准确率来做的，也许后面在分类上能达到更高的准确率吧 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/19 11:01:32