本文探讨了小型语言模型（SLM）在窄自动化任务中的优化，重点介绍了约束输出空间技术。通过直接评分候选标签而非生成自由文本，该方法消除了解析错误，降低了延迟（例如处理600条工单的时间从134秒降至94.5秒），并提供置信度分数以支持人工复核。该技术使SLM成为固定输出场景下高效的生产选择。

本研究评估了自动语音识别（ASR）中的置信度分数在错误检测中的有效性。尽管置信度分数与转录准确性相关，但在检测错误时表现有限，常常漏检或误报。研究建议采用更复杂的方法以提高用户交互和ASR结果的可解释性。