AdaHome：基于本地小语言模型的自适应智能家居助手

智能家居助手需要解读广泛的用户命令——从显式的设备控制到欠指定、依赖偏好的请求。基于大语言模型（LLM）的近期系统改善了这一能力，但常依赖重量级推理管线与云端部署，限制了效率与在资源受限环境中的适用性，并引发隐私顾虑；此外现有方法对稳定的长期个性化支持有限。为此我们提出AdaHome，一个为智能家居环境中本地部署小语言模型设计的自适应助手。AdaHome不一律施加复杂推理，而是引入意图感知规划框架，动态把命令路由到直接提示组件或轻量推理组件；对需要解读的命令采用思维链草稿（Chain-of-Draft）策略实现高效稳定的决策；为支持个性化，进一步提出偏好适配机制，随时间从用户反馈学习，无需提示增强或模型重训练。在统一的小模型设置下与代表性LLM基线评估：AdaHome在直接命令上取得显著更高的准确率（86.7%），延迟最多降低3倍；在含糊输入上以更低计算成本保持有竞争力的表现；多轮场景中偏好一致性88%，对比提示增强基线的52.5%。