热点事件持续更新
VocabX专用词表降低SLM推理成本77%
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月22日，Dharma-AI团队提出VocabX方法，针对专用小语言模型（SLM）重建词表以降低推理成本。该方法在不更换基座模型、数据和训练配方的前提下，围绕每个token的推理成本而非出现频率重建词表。在基于Qwen3-4B的葡萄牙语作文评分器上实测，推理成本下降77.0%，平均回复长度从350个token降至101个。目前该方法已完成初步实测验证，后续进展尚待披露。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 01:43
Dharma-AI提出VocabX，实测推理成本降77.0%，回复长度350降至101个token。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- 核心模型与趋势Dharma-AI 提出 VocabX：专用词表让 SLM 推理成本降低 77%
Dharma-AI 团队提出 VocabX 方法，在不更换基座模型、数据和训练配方的前提下，围绕每个 token 的推理成本而非出现频率重建词表，在基于 Qwen3-4B 的葡萄牙语作文评分器上实测推理成本下降 77.0%，平均回复长度从 350 个 token 降到 101 个。
本事件热度走势
当前热度 9·可比范围峰值 10（10月22日 03:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。