热点事件持续更新
SLM 微任务资格阈值评测：16 项配置均不达标
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 2 日，arXiv cs.AI 论文《测量微任务合格性差距：现成 SLM 何时足以支撑 Agent Harness？》给出了对小模型能否胜任 Agent 任务的评测结果。该工作在 4 个 Agent Harness 微任务上测试了 Qwen3 0.6B、1.7B、4B、8B 共 16 个 FP16 配置，结果全部未通过预设阈值。基准判定采用两条依据：一是锚定非 LLM 基线的阈值 τ，二是基于置信区间的合格性规则。论文还引入 logprob 决策阈值诊断，把未通过阈值的失败区分为两类——模型自身能力不足，以及仅靠调整解码阈值即可达标的可调解码问题。目前该结果以论文形式公开，报道中未提及其复现、修正或其他后续动作。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv cs.AI测量微任务合格性差距：现成 SLM 何时足以支撑 Agent Harness？
在 4 个 Agent Harness 微任务上，Qwen3 0.6/1.7/4/8B 的 16 个 FP16 配置全部未通过预设阈值。基准以锚定非 LLM 基线的阈值 τ 和 CI 合格性规则判定，并用 logprob 决策阈值诊断把失败分为能力不足与可调解码阈值两类。
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。