Новости
Do We Still Need Fine-Tuned Classifiers? Swapping Typed Decision Models into 24 ACL-Venue Papers
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Researchers tested whether zero-shot Typed Decision Models can replace fine-tuned classifiers across 24 NLP papers, creating the TDM-Gauntlet benchmark of 46 test sets.
- Почему это важно
- Matters for NLP engineers choosing between fine-tuning, prompt optimization, and zero-shot classification for text classification tasks in production systems.
- На что обратить внимание
- Zero-shot replacement worked on only 12 of 46 test sets. Fine-tuning remains most accurate at 97% gap closure; prompt optimization closes 72% median gap for $1.66 per search.
- llm
- language model
- prompt
- fine-tun
- eval
Паттерны, стоящие за этой новостью
- Automatic Prompt Optimization
- Agentic Context Engineering (Evolving Playbook)
- Constitutional Classifiers
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.