arXiv · Artificial Intelligence· Jundong Hu, Shekar Ramachandran·2026-10-02 12:00· 2 小时前精选AI 评分62

测量微任务资格缺口：现成小语言模型何时足以支撑 Agent Harness

Measuring the Microtask Eligibility Gap: When Is an Off-the-Shelf SLM Enough for an Agent Harness?

AI 导读

论文构建了 4 个微任务基准，以低成本非 LLM 基线为阈值 τ，用 CI 感知规则检验 Qwen3 0.6/1.7/4/8B（FP16、贪心、无微调），结果 16 个配置均未通过资格缺口。

推荐理由

用可复现的 CI 置信区间规则衡量 SLM 微任务资格，帮助从业者在 harness 中更稳妥地分配 SLM 与基线。