原始来源日期:2026年10月6日。本文依据最近72小时内发布的一手资料编译。

原文编译

论文把“bottling”定义为把通用模型能力转换成面向大量重复任务的廉价专用产物。Agent一次看到完整未标注工作负载,在固定时间、计算与LLM API预算内,自行决定训练小模型、编写程序或组合其他方法。

BOTTLED不只测单次答案,而比较整个工作负载上的质量和摊销成本。实验覆盖十个模型与三个任务,发现强零样本能力并不稳定转化为强产物构建能力;模型会在数据选择、验证或工程实现阶段失去优势。

60次bottling运行中有48次低于该模型零样本表现95%置信区间的下界,31次还不如同Token预算下两个小模型蒸馏基线中的较强者。结果说明让通用Agent“自行产品化”不是免费的能力。

仍有显著成功案例:在查询—商品相关性分类中,Opus 5以报告成本低约657倍保留约82%的零样本宏F1,并以Jev预计全量成本的四分之一达到其约94%宏F1。成本口径依赖论文假设和供应商价格。

量仔观察

本站认为,批量任务不应默认逐条调用最大模型,也不应默认Agent一定能自动蒸馏。合理验收需同时设质量下界、总预算、构建时间和产物维护成本,并与简单规则、小模型基线比较。

研发上可把bottling作为Agent能力单列:是否能发现任务结构、生成训练集、选择验证集并交付可重复运行产物。最终产物还需监控分布漂移;一次廉价并不意味着长期稳定。