Meta 与卡内基梅隆大学论文：RL 训练的小模型选工具准确率超过 402B Llama-4-Maverick
New Meta and Carnegie Mellon paper finds that small models trained with RL pick the right tools more often than a prompted 402B Llama-4-Maverick.
Meta 与卡内基梅隆大学的新论文发现，用强化学习训练的小模型在工具选择上比提示词驱动的 402B Llama-4-Maverick 更常选对工具。研究者训练 Qwen3 模型把请求拆成步骤、逐步用关键词搜索并每步选 1 个工具，训练先用教师编写的示例，再用强化学习奖励有效的搜索步骤和精确选择。在 ToolBench 上，训练后的 8B 模型精确选对工具的比例为 41.5%，而 Maverick 最佳提示词设置为 30.6%；未经重新训练，它在 4 个新工具基准中的 3 个上超过 Maverick，并在换用更强的检索器后进一步提升。
推荐理由
AI 评分 60
原文给出了小模型与 402B 大模型在工具选择上的具体对比数字，可供评估智能体工具检索方案时参考。
主题
正文 · AI 翻译
Meta 与卡内基梅隆大学的新论文发现，用强化学习训练的小模型在工具选择上比提示词驱动的 402B Llama-4-Maverick 更常选对工具。
智能体可能面对超过 10,000 个工具，而它们的描述无法全部放入上下文。检索器只按相关性排序，因此近期的方案让 Claude 或 ChatGPT 来挑选工具。
他们训练 Qwen3 模型把请求拆分成步骤，用普通关键词搜索逐步检索，并在每一步挑选 1 个工具。训练先使用教师编写的示例，然后用强化学习奖励有效的搜索步骤和精确选择。
在 ToolBench 上，训练后的 8B 模型精确选对工具的比例为 41.5%，而 Maverick 最佳提示词设置为 30.6%。未经重新训练，它在 4 个新工具基准中的 3 个上超过了 Maverick，并在换用更强的检索器后进一步提升。
如果你的智能体需要从庞大的工具目录中选择工具，那么一个经强化学习训练的小模型就能承担选择任务，而无需依赖提示词驱动的大模型。