27B韩语企业模型决策接口对比实验

Hyojung Han等作者发布研究，固定一个27B韩语企业模型，对比生成JSON与单约束token两种决策接口，并控制模型是否先推理。在2800条分布内样本上，两种部署路径的准确率未检出差异（93.46% vs 94.14%），但重启稳定性相差约十倍：动作翻转率分别为3.00%和0.29%。作者称这是操作性对比，因为两者在推理上也有差异。 在300条标签来自隐藏可执行策略的密封基准上，作者称推理带来+17.3个百分点的精确动作提升（置信区间[+12.3, +23.0]）。全部监督均为韩语，作者同时发布了模型及用金标签重新渲染的版本。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。