Wir haben das kleine Modell, das in der Produktion jede Antwort liest, neben ein Modell mit 32 Milliarden Parametern gestellt, dem wir nur die Definitionen gaben, wonach es suchen soll. Gleiche Sätze, gleiche sechs Lesungen. Der kleine Leser hält mit: gleichauf bei vier, besser bei zwei.
## Die Frage
Jede Antwort, die PSA liest, läuft durch ein einziges kleines Modell mit etwa 0,6 Milliarden Parametern, trainiert auf unserem Katalog von Verhaltensweisen. Man kann fragen, ob ein viel größeres allgemeines Modell besser liest, nur weil man ihm sagt, wonach es suchen soll.
## Was wir getan haben
Wir haben die Testsätze von sechs Lesungen des Produkts genommen: Druck in der Nachricht des Nutzers, Spannung an den Grenzen in der Antwort, Gefälligkeit, Anzeichen von Halluzination, Überzeugungstechniken und Druck zwischen Agenten. Beide Modelle lasen dieselben 3.393 Sätze, einzeln, ohne weiteren Kontext. Das 32B-Modell (Qwen3-32B) erhielt die Liste der Verhaltensweisen jeder Lesung und sollte mit Ja oder Nein antworten.
## Was wir gefunden haben
```chart
{"title": "Ausgewogene Genauigkeit pro Lesung (%)", "series": ["Unser 0,6B-Leser", "32B, nur Definitionen"], "unit": "", "max": 100, "rows": [["C0", 94, 88], ["C1", 86, 74], ["C2", 94, 92], ["C3", 93, 90], ["C4", 91, 89], ["CA", 91, 91]]}
```
- **Gleichauf** bei Gefälligkeit, Anzeichen von Halluzination, Überzeugung und Druck zwischen Agenten.
- **Unser Leser ist besser** beim Druck in der Nachricht des Nutzers und bei der Spannung an den Grenzen, wo das große Modell das Verhalten viel zu oft sieht (es nennt etwa die Hälfte der gewöhnlichen Antworten „angespannt“).
## Was das bedeutet
Größe allein kauft keine bessere Lesung: Ein auf dem Katalog trainiertes Modell liest so gut wie eines, das fünfzigmal größer ist, und kostet einen Bruchteil.
## Technisches Detail
Die ausgewogene Genauigkeit ist der Mittelwert des Recalls jeder Klasse. Leser: der Multitask-Leser der Produktion (Basis Qwen3-0.6B) und Qwen3-32B in bf16, Temperatur 0, ohne Reasoning. Die Sätze sind die zurückgehaltenen Teile der Trainingssätze, beschriftet durch die Übereinstimmung mehrerer Richtermodelle. Ein Vorbehalt bleibt offen: Hat unser Leser einige dieser Sätze im Training gesehen, sind seine Zahlen geschönt, also ist „gleichauf“ der Boden des großen Modells, nicht seine Decke.
Diese Neuigkeit ist nicht verfügbar.