从固定键到可读模式：车辆代理函数调用的小语言模型

车载助手须在严格内存和延迟约束下，将自然语言请求转为准确的车辆功能调用，小语言模型因此适合端侧部署。关键设计是如何展示可调用功能：为每个函数设专用功能词元FT，或直接在提示中提供函数定义SIP。FT推理紧凑但仅限训练时学过的函数；SIP可泛化到未见函数，但提示更长、推理开销更高。我们构建9822项单轮样本、79种Android Automotive车辆功能的基准，包括留出函数和需拒绝的请求，在相同微调条件下比较270M至1.7B的四种模型。已见函数中，增大规模收益有限：270M可匹配1.7B，整体最佳是0.6B。留出函数中，FT按设计准确率为零，SIP可泛化且随规模明显改善。范围外请求中，FT可能调用训练过但当前不可用的函数，SIP则更可靠地依据已提供函数拒绝调用。这种灵活性需更高内存与延迟；理论分析解释了泛化来源及长函数定义上下文的推理成本。功能表示方式，而非模型规模本身，决定车载小语言模型调用的能力与失败模式。