微调后的0.8B模型将语法标注成本降至1/16

一家语言学习平台推出了一款小型AI模型，用于标注师生对话中的语法知识点。这款模型是拥有0.8 billion个参数的Qwen3.5版本，经过教师编写的示例微调，目前已成为平台新推出的语法掌握度追踪功能的底层引擎，面向平台上的所有英语学习者开放。该公司表示，与使用提示词调用GPT‑5.4或GPT‑5.6等大型前沿模型相比，这套系统的运行成本降低了16倍。

模型的构建与测试方式

团队对教师生成的监督数据进行了筛选和平衡处理，随后加入适配器层——一组少量额外权重，用于编码标注规则。这样一来，0.8 B模型只需配合简短且格式匹配的提示词即可运行，不必接收冗长指令。在两项由人工整理的基准测试中，已部署的模型和一个4 B参考模型，在精确率和召回率两项指标上都超过了使用提示词的GPT‑5.4和GPT‑5.6；测试采用了逐渐严格的匹配标准，考察知识点、证据片段和正确性。

对学习者和业务的影响

一项在线A/B实验显示，新追踪功能使学习者参与度提升了15.8 percent。根据平台内部指标，排课课时增加了2.1 percent，新课程带来的商品交易总额增长了13.2 percent。