LLM 还是朴素贝叶斯？经典明珠与前沿路径之争
英文标题：LLMs or Naive Bayes? Old Gems or New Ways
本研究探讨了在大语言模型（LLM）时代，以朴素贝叶斯（Naive Bayes）为代表的经典统计方法是否应当退役。研究团队将补充朴素贝叶斯（Complement Naive Bayes）与横跨 4 个模型家族、参数规模跨度达 37 倍的零样本及少样本 LLM 进行了基准对比测试。分析表明，经典统计算法在计算效率、资源消耗和特定分类任务上依然保持着极高的实用价值。这项工作提醒开发者与行业在追求前沿大模型的同时，应警惕过度设计，在性能与推理成本之间寻求最优工程平衡。
打开原文相关 2.4 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
论文摘要
arXiv:2609.13185v1 [Announce Type: new]
摘要：大语言模型（LLM）在科研计算领域引发了一个反复出现的疑问：像朴素贝叶斯（Naive Bayes, NB）这样的经典方法是否应该彻底退出历史舞台？我们在跨越 4 个模型家族、规模相差 37 倍的范围内，将补充朴素贝叶斯（Complement Naive Bayes）与零样本（Zero-shot）和少样本（Few-shot）LLM 进行了基准评测……
BibTeX formatted citation
×
English / 原文
BibTeX formatted citation
×