标签
论文表明,关键词匹配基准测试可能会将小语言模型并不具备的工具使用能力归功于它们;文章记录了一例针对同架构西班牙语安全 LLM 的误报,并提出了一种成本低廉的诊断阶梯,以及一份有针对性的 SFT 配方,用于修复出问题的 1B 模型。