arXiv · NLP· Jiaqi Gan, Tsang Ng, Ankit Raj, Tommy Duong, Xingyu Shen, Kidus Zewde, Huaiyu Guo, Simiao Ren·· 4 小时前AI 评分31
构建质量受控数据以提升小语言模型在 AI 来电筛选 Agent 中的表现
Quality-Controlled Reply and Summary Data for Post-Training Small Language Models in AI Call-Screening Agents
AI 导读
研究团队构建合成语料库，通过共享 LoRA 适配训练 0.6-4B 参数模型，显著提升 AI 来电筛选能力。 回复合格率从 21-54% 升至 94-97%，摘要合格率从 0-6% 升至 43-72%，解决了小模型幻觉与漏报问题。 当前评估基于模型一致性，后续计划通过人类研究验证实际可用性。
来源：arXiv · NLP · arxiv.org