该基准上微调9B决策模型未胜过TF-IDF线性基线
资讯摘要
论文研究决策基础模型用于症状到疾病分类：将基于Qwen3.5骨干的90亿参数Clef-Flash模型，用QLoRA在Symptom2Disease基准（24类，960训练/240测试）上微调，准确率达95.42%，远高于未适配权重的65.00%。但同一数据划分上，TF-IDF线性SVM与逻辑回归基线达98.75%，且CPU推理为亚毫秒级，因此该基准上微调模型相对调优线性分类器并无准确率优势。
要点速读
- Clef-Flash为90亿参数决策模型，单次前向对候选标签打分，无需生成文本
- 微调后准确率95.42%（95% CI 91.98-97.42%），macro F1为0.9551；未适配权重为65.00%
- TF-IDF线性SVM与逻辑回归基线达98.75%（95% CI 96.39-99.57%），CPU推理亚毫秒级
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。