AITOPAI热报

Qwen3.5-4B

共 5 条相关 AI 资讯
9月3日
12:17
12:17官方账号arXiv cs.AI@Qinghua Mao, Wanying Qu, Dadi Guo, Leitao Yuan, Qingyu Liu, Yu Li, Guanxu Chen, Yanwei Fu, Xi Lin, Xia Hu, Dongrui Liu
精选73°
SafeEvolve是一种经验驱动的安全对齐框架，通过安全提示和分层技能的组件级更新实现可审计的运行时控制。该框架采用SFT-RL两阶段范式，在AgentDojo基准测试中，Qwen3.5-4B模型的安全响应率降低3倍，同时良性效用从59.79%提升至61.86%。实验证明该方法在安全-效用权衡上优于现有基线模型。
论文SafeEvolveQwen3.5-4BAgentDojo
推荐理由：SafeEvolve通过策略协同进化提升AI智能体安全性，在降低有害响应的同时保持性能，比现有方法更有效。
原文
9月1日
11:24
8月5日
11:38
11:38官方账号arXiv cs.AI@Dongjie Yang, Siyan Lin, Leixian Shen, Rui Sheng, Huamin Qu, Zixin Chen
论文提出TACT框架，用于训练和评估教学自适应的英语辅导模型。该框架包含13种辅导策略的Tutor-Strategy分类法和描述学生行为的Student-Move分类法。基于两套分类法构建的TACTCorpus覆盖260段师生对话，含32,379条标注。后训练的TACTutor在TACTBench（78个场景）上比基座模型Qwen3.5-4B提升20.30%，并在50名学习者的盲测中获得最高评分。
论文TACTQwen3.5-4BTACTutor
推荐理由：这篇论文把教学策略拆成13种，用260段真实对话和3.2万条标注训练出TACTutor，在78个测试场景比基座涨了20%，盲测还赢过商业模型。
原文
7月13日
09:17
09:17官方账号arXiv cs.LG@Spiros Baxevanakis, Peng-Jian Yang
研究测试时扩展(TTS)是否适用于小规模开源视觉语言模型，使用EXAMS-V多语言视觉多项选择基准。实验对比self-consistency、describe-then-reason结合PRM引导束搜索等方法，基于Qwen2.5-VL-7B-Instruct和Qwen3.5-4B。关键因素是链的可解析性：提示格式导致链正确但不输出答案，加入答案提示和修复步骤后改善。每链token上限从1k升至2k恢复3.7个百分点，但增加链数从8到16仅提升0.15个百分点。PRM束搜索落后普通self-consistency 0.39个百分点且成本高8倍，最佳配置在ImageCLEF 2026测试集达84.1%并排名第一。
论文Qwen2.5-VL-7B-InstructQwen3.5-4BEXAMS-V
推荐理由：这篇论文告诉你，在小模型上用测试时扩展，关键是让模型把答案写出来，而不是复杂搜索。Qwen2.5-VL调参后性价比很高。
原文
6月19日
10:19
10:19官方账号arXiv cs.AI@Xijia Tao, Yihua Teng, Xinyu Fu, Ziru Liu, Kecheng Chen, Yuzhi Zhao, Suiyun Zhang, Rui Liu, Lingpeng Kong
SoftSkill 提出一种方法，将智能体的自然语言技能（Markdown 文件）转化为紧凑的连续上下文对象，通过可训练的软增量进行微调，而基础模型保持不变。在单轮设置下，Qwen3.5-4B 使用长度为 32 的 SoftSkill 前缀相比无技能提示，在 SearchQA 上提升 8.3 点，LiveMath 提升 42.1 点，DocVQA 提升 1.3 点。与 SkillOpt 相比，SoftSkill 在 SearchQA 上准确率提升 5.2 点，LiveMath 提升 12.5 点，同时将数百到数千个 Markdown 技能令牌替换为几个虚拟令牌。论文还探讨了智能体执行作为更难边界情况下的表现。
论文SoftSkillQwen3.5-4B智能体
推荐理由：论文提出了 SoftSkill，能把复杂技能压缩成几个虚拟向量，用 Qwen3.5-4B 测试，数学题直接涨了 42 个点，比 SkillOpt 还强。
原文