先了解这件事
AI 综述
Meta与卡内基梅隆大学发表论文,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。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Rohan Paul
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月24日
Rohan Paul
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
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。