O artigo discute a construção de um cenário financeiro multi-modelo utilizando pequenos modelos, com a colaboração de cinco laboratórios. Este trabalho explora a aplicação de múltiplas inteligências artificiais para criar uma "drama" financeira.
Este artigo introduz o "imposto de restrição", um protocolo para medir a perda de precisão da resposta em Pequenos Modelos de Linguagem (SLMs) causada por restrições de saída estruturadas. A pesquisa mostra que, para SLMs, impor estas restrições melhora a validade do esquema mas pode comprometer a correção da resposta subjacente.
Este conteúdo oferece uma análise curada dos melhores pequenos modelos de linguagem disponíveis no Hugging Face. Ele detalha as capacidades de cada modelo, seus benchmarks de desempenho e fornece o código necessário para começar a utilizá-los.
Esta pesquisa apresenta uma estrutura implementável localmente que permite a pequenos modelos de linguagem extrair entidades clínicas sensíveis à privacidade de notas odontológicas não estruturadas, através de prompts auto-gerados e refinados. O estudo avaliou modelos de peso aberto, alcançando altas pontuações F1 com Qwen2.5-14B-Instruct e Llama-3.1-8B-Instruct após ajuste fino supervisionado e otimização direta de preferência.
Esta pesquisa introduz o Terminus-4B, um modelo de linguagem pequeno ajustado, para explorar sua capacidade de substituir LLMs de fronteira em tarefas de execução de terminal agêntico. O modelo é pós-treinado usando SFT e RL com recompensas baseadas em rubricas de LLM como juiz.
Este conteúdo explora o conceito de construção de agentes de IA utilizando modelos de linguagem pequenos e locais. Ele desafia a visão tradicional de que apenas grandes empresas de tecnologia podem desenvolver soluções de IA tão avançadas.
