4B 模型 BFCL 提升 15%,Snowflake 证中期工具学习关键
TheTuringPost · x · 2026-08-23
Snowflake 的 MidTool 论文证实，在 SFT 和 RL 之前的中期训练阶段引入工具学习能显著提升模型性能。研究构建了 203B token 的语料库，包含上下文示例和原生智能体轨迹。
核心发现：
- 4B 模型：经 SFT 后 BFCL 从 39.73% 升至 50.25%，再经 RL 后从 39.51% 飙升至 54.18%。
- 8B 模型：在 τ²-Bench 上 Pass@1 从 13.04% 提升至 19.96%。
- 数据差异：可执行轨迹最利于函数调用，文档 grounded 数据更利于泛化到陌生环境。
局限性：所有模型在 MCP-Universe 的 web-search 子集上得分为 0%，表明学习工具和工作流不足以解决长程研究任务。
「编程与Agent」频道最新
- Self Labs 推出 Agent Vault，让智能体安全登录并刷信用卡 — EXM7777 · 2026-10-16
- Plane Agents：触发器才是把聊天机器人变成工作流 Agent 的关键 — JosephJacks_ · 2026-10-16
- Claude 工程负责人写教程：教你用 AI 敢想敢做更宏伟的事 — danshipper · 2026-10-16
- Qwen Code Desktop v0.25.2 发布：managed-agent 稳定性与 MCP 配置修复 — github-actions[bot] · 2026-10-16
- NVIDIA 7 门 AI Agent 课程免费开放，2026 年不必花钱报班 — ifioknkem · 2026-10-16
- Claude 跑完 9 小时任务后卡在等授权，配上名画恰如其分 — juliey4 · 2026-10-16