小语言模型(SLM)的定义与适用场景
答案要点
- SLM 无统一定义,通常指几亿到几十亿参数、可端侧或单卡部署
- 适合低延迟、低成本、隐私敏感和垂直任务
- 代表有 Phi、Gemma、Qwen、Llama 的小尺寸版本
- 超越早期大模型靠高质量数据、更多训练 Token、蒸馏与领域微调
- 通用知识广度和复杂推理仍弱于大模型
易错点
- 给 SLM 一个绝对的参数上限,实际没有统一标准
- 认为参数量小就一定效果差,忽略数据质量和训练量的作用
面试官常见追问
- 什么时候选 SLM 而不是调用大模型 API?
- 大小模型怎么配合?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。