Новости
What Breaks Under Pruning in Smart Homes, and When? Evaluating LLM Degradation Across Architectures and Task Complexity
arXiv cs.AI · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- Study shows how pruning degrades LLM performance in smart-home tool calling, with dense models failing sharply but mixture-of-experts models tolerating more pruning.
- Почему это важно
- Engineers deploying pruned LLMs for home automation or device control need to understand failure modes beyond overall accuracy metrics.
- На что обратить внимание
- Results are specific to smart-home tool calling tasks; degradation patterns may differ significantly for other LLM applications and use cases.
- llm
- language model
- tool calling
- fine-tun
- mixture-of-experts
Паттерны, стоящие за этой новостью
- Progressive Rollout & Shadow Mode
- Context Editing & Tool-Result Clearing
- Agentic Context Engineering (Evolving Playbook)
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.