Today for AI
返回热点榜
agent热度 16.7°

AI 聚合热点事件 · 2026/10/24

Meta 与 CMU 研究：RL 训练小模型工具选择优于超大模型

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/24 08:28:33
全景综述与最新动态
1 家信源交叉印证

Meta 与卡内基梅隆大学最新论文显示，经过强化学习（RL）训练的 Qwen3-8B 小模型在工具选择任务上表现优于提示工程优化的 402B Llama-4-Maverick。该研究提出将请求分解为步骤并结合关键词搜索的策略，在 ToolBench 基准测试中准确率达到 41.5%，显著高于大模型的 30.6%。这一发现表明，在大规模工具目录场景下，专用小模型可替代昂贵的大模型进行高效决策。

最新动向/Meta 与卡内基梅隆大学最新论文显示，经过强化学习（RL）训练的 Qwen3-8B 小模型在工具选择任务上表现优于提示工程优化的 402B Llama-4-Maverick。该研究提出将请求分解为步骤并结合关键词搜索的策略，在 ToolBench 基准测试中准确率达到 41.5%，显著高于大模型的 30.6%。这一发现表明，在大规模工具目录场景下，专用小模型可替代昂贵的大模型进行高效决策。

热度曲线逐小时热度走势

3 个完整观测小时
当前
16.7
峰值
17.209:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    Meta 与 CMU 研究：RL 训练小模型工具选择优于超大模型

    原标题：New Meta and Carnegie Mellon paper finds that small models trained with RL pick the right tools more...

    • Qwen3-8B 经 RL 训练后，在 ToolBench 上的工具选择准确率（41.5%）超过 402B Llama-4-Maverick（30.6%）。
    • 采用“请求分解 + 关键词搜索 + 单步工具选择”的流程，有效解决了万级工具目录下的上下文限制问题。
    • 无需重新训练即可在多数新基准上击败大模型，且配合更强检索器时性能进一步提升。