面向低参数大语言模型词义消歧的探索 - 分析 - 消歧推理框架

针对高参数大语言模型在词义消歧任务中计算成本高的问题，本研究探讨低参数模型（<4B）通过推理驱动的微调策略能否达到同等效果。利用增强后的 FEWS 数据集，对八种开源小模型进行微调。结果表明，结合邻词分析的思维链推理使小模型在零样本设置下性能媲美 GPT-4-Turbo。Gemma-3-4B 和 Qwen-3-4B 在未见词义上表现优异，且在跨领域测试中展现出强大的适应性，证明了以推理为中心的微调可显著降低资源消耗并保持高精度。