以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Local language models can save memory by storing weights in fewer bits, and they can reduce sensitivity to the order of answer options by averaging a few reorderings. We ask whether the first makes the second worse, and which is the cheaper way to spend a fixed budget. On Qwen3-0.6B and Qwen3-1.7B with simulated round-
阅读原文 · Mohammed Nayeem Khan, Logesh L, Aliyas Ahmad Misri
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文的题目看起来有点绕，其实问的是一个很实际的问题： 本地小模型跑推理时，预算有限，你是把权重压得更低，还是多跑几遍不同的选项顺序做平均？ 作者拿 Qwen3-0.6B 和 Qwen3-1.7B 做了模拟量化实验，在 ARC-Easy、ARC-Challenge、MMLU、HellaSwag 各取 300 题，只看 A 到 D 四个字母的 logits。...