摘要
针对资源受限设备上小语言模型（SLM）在非英语语境下面临的“推理差距”问题，本文研究了 Qwen3-1.7B 架构在越南语初等数学中的测试时扩展策略。研究构建了高质量推理数据集 Vi-S1K 及评估基准 Vi-Elementary-Bench。实验表明，基础模型虽具备潜在知识但存在格式缺陷，监督微调（SFT）能显著提升解释质量。分析发现，复杂代理框架会对小模型造成认知负担，而结合自一致性的纯思维链（CoT）表现更优，确立了面向边缘计算的 SLM 部署层级。
AI 推荐理由
核心研究小模型在越南语场景下的推理差距、思维链优化及测试时扩展策略。
研究机构
VNUT University of Engineering and Technology, Hanoi, Vietnam
JAIST, Ishikawa, Japan
论文信息