一、文章主要内容总结该研究聚焦需求工程（RE）中的需求分类任务，核心探讨小型语言模型（SLMs）与大型语言模型（LLMs）的性能差异。研究选取8个模型（5个7-8B参数的SLMs：Qwen2-7B、Falcon-7B等；3个1-2万亿参数的LLMs：GPT-5、Claude-4等），在PROMISE、PROMISE Reclass、SecReq三个公开数据集上开展二进制分类实验，采用思维链（CoT）+少样本提示策略，以精确率（P）、召回率（R）、F1分数为核心指标，并通过Scheirer-Ray-Hare等统计检验验证结果。关键发现包括：性能差异：LLMs的平均F1分数仅比SLMs高2%，且该差异无统计学意义；SLMs在部分场景表现更优（如PROMISE Reclass数据集上的召回率显著高于LLMs）。影响因素：数据集特性对模型性能的影响远大于模型规模（数据集的效应量为0.63，模型类型仅为0.04），不同数据集上模型性能呈现明显层级（SecReq表现最佳，PROMISE Reclass最差）。实用价值：SLMs具备本地部署、隐私安全、低计算成本等优势，在需求分类任务中可作为LLMs的有效替代方案。二、文章创新点首次系统性对比SLMs与LLMs在需求分类任务中的性能，填补了两类模型在RE领域性能差异的研究空白。揭示了“模型规模对需求分类准确性影响有限，数据集特性更为关键”的核心结论，挑战了“模型越大性能越好”的普遍认知。提供了可复现的实验框架（含数据集、提示策略、评估流程），并公开复