注目のストーリー進行中
SLM語彙特化VocabXで推論コスト77%削減
1件の報道1件のソース4 時間前更新
これまでの経緯
報道より
VocabXで語彙を特化させたQwen3-4Bベースのポルトガル語エッセイ採点モデルは、ベースモデルを変えずに測定上の推論コストを77%削減した。語彙は用途に合わせて再構築され、出力層は約152,000行から約65,000行に縮小された。数値は査読中の論文版に基づくため、公開時に変わる可能性がある。
Hugging Face Blogより
報道タイムライン
報道を追って、ストーリーのさまざまな側面を確認しましょう。
10月22日
- Hugging Face Blog語彙を特化したSLMは実アプリの推論コストを77%削減できるか
VocabXで語彙を特化させたQwen3-4Bベースのポルトガル語エッセイ採点モデルは、ベースモデルを変えずに測定上の推論コストを77%削減した。語彙は用途に合わせて再構築され、出力層は約152,000行から約65,000行に縮小された。数値は査読中の論文版に基づくため、公開時に変わる可能性がある。
このニュースの注目度の推移
現在の注目度 9·比較可能なピーク 10（10月22日 04:00）·24時間の比較可能な増減 –
推移は、継続的かつ完全に観測できたアカウントのみを比較しているため、現在の注目度の数値より範囲が狭くなる場合があります。ポインターを動かすかグラフをタップすると、1時間ごとの注目度を確認できます。キーボードでは左右の矢印キーを使います。