arXiv · Artificial Intelligence· Jundong Hu, Shekar Ramachandran·· 3 hr agoSelectedAI score62
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 brief
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。
Why it matters
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。
Source: arXiv · Artificial Intelligence · arxiv.org