Dans l'actualité
Do We Still Need Fine-Tuned Classifiers? Swapping Typed Decision Models into 24 ACL-Venue Papers
arXiv cs.AI · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Researchers tested if zero-shot Typed Decision Models can replace fine-tuned classifiers across 46 NLP test sets from 24 papers using the TDM-Gauntlet benchmark.
- Pourquoi ça compte
- Relevant for NLP engineers choosing between fine-tuning, prompt optimization, and zero-shot classification for production text classification systems.
- Vigilance
- Zero-shot replacement succeeded on only 12 of 46 test sets. Fine-tuning closes 97% of the gap; prompt optimization closes 72% for $1.66 per search.
- llm
- language model
- prompt
- fine-tun
- eval
Les patterns derrière cette actualité
- Automatic Prompt Optimization
- Agentic Context Engineering (Evolving Playbook)
- Constitutional Classifiers
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.