一个专门训练过挑工具的 8B 小模型，挑得比 4000 亿参数级的大模型还准。 Meta 和 CMU 的新论文用监督微调加强化学习训练 Qwen3-8B，让… · @Moblacksoil · TwKit

@Moblacksoil

一个专门训练过挑工具的 8B 小模型，挑得比 4000 亿参数级的大模型还准。 Meta 和 CMU 的新论文用监督微调加强化学习训练 Qwen3-8B，让它先拆解任务，再从检索出的候选里选工具。在 ToolBench G3 测试集的 2124 条指令上，按选中的工具集合与标准答案完全一致来算，它的成功率是 41.5%，只做监督微调时是 36.2%；402B 的 Llama-4-Maverick 用提示词跑四种流程，最好只有 30.6%。训好的模型换检索器、换到其他领域的工具库也能直接用。 https://arxiv.org/abs/2610.31483

曝光 126 · 评论 2 · 点赞 2 · 书签 0