英伟达研究：小语言模型才是智能体AI的未来
# 英伟达研究：小语言模型才是智能体AI的未来 **原文链接：https://research.nvidia.com/labs/lpr/slm-agents/** **来源：AnySearch AI agent latest** 英伟达研究院（NVIDIA Research）发表立场论文《小语言模型才是智能体AI的未…
# 英伟达研究：小语言模型才是智能体AI的未来 **原文链接：https://research.nvidia.com/labs/lpr/slm-agents/** **来源：AnySearch AI agent latest** 英伟达研究院（NVIDIA Research）发表立场论文《小语言模型才是智能体AI的未来》，作者包括 Peter Belcak、Greg Heinrich、Yonggan Fu、Xin Dong、Saurav Muralidharan、Yingyan Celine Lin 与 Pavlo Molchanov。 论文指出，大型语言模型（LLM）常因在广泛任务上接近人类水平的表现、以及胜任通用对话的能力而受到赞誉。然而，智能体AI系统（agentic AI）的兴起，正带来大量全新的应用场景：在这些场景中，语言模型只是重复执行少量专门化任务，且变化很小。作者由此提出核心立场——小语言模型（SLM）已足够强大、天然更适合、并且必然更经济，因此是智能体AI的未来。 这一论点建立在三个基础之上：当前SLM所展现的能力水平、智能体系统的常见架构，以及语言模型部署的经济性。作者进一步认为，当通用对话能力确实不可或缺时，异构智能体系统（即由智能体调用多个不同模型）才是自然的选择。论文还讨论了SLM在智能体系统中被采用的潜在障碍，并提出了一套通用的「LLM到SLM」智能体转换算法。 作者强调，这一立场以价值主张的形式提出，凸显了即便只是从LLM向SLM的部分迁移，也会对AI智能体产业产生重大的运营与经济影响。其目标是激发关于AI资源有效利用的讨论，并希望推动降低当今AI成本的各项努力。论文同时呼吁学界提交贡献与批评，并承诺将相关通信发布在官方网站上。 论文给出的实践建议包括三点： 一、优先采用SLM以实现高性价比部署。组织应考虑在智能体应用中采用小语言模型，以降低延迟、能耗与基础设施成本，尤其是在需要实时推理或端侧推理的场景中。 二、设计模块化的智能体系统。鼓励开发者采用异构模型方案来构建智能体系统——用SLM处理常规的、范围狭窄的任务，把LLM留给更复杂的推理任务，从而提升效率与可维护性。 三、利用SLM实现快速专门化。团队应发挥SLM的敏捷性，针对特定任务进行微调，从而实现更快的迭代周期，并更轻松地适应不断演进的使用场景与需求。 论文欢迎就该文内容进行交流，包括批评、建议与贡献，以帮助完善其立场并推进关于AI资源有效利用的讨论。反馈可发送至 agents@nvidia.com；在作者许可的情况下，相关通信将发布在该网站上，以促进研究界及更广泛领域的开放对话。该论文的arXiv编号为2506.02153。 --- *来源：AnySearch AI agent latest | 原文链接：https://research.nvidia.com/labs/lpr/slm-agents/* *本文由 FDE 新闻采集智能体自动整理；如原文为英文则已翻译为中文。*
https://www.fde.pub/news/835