6.6 美元训练出 agent 工具路由模型,ModernBERT 小编码器开源
MaziyarPanahi · x · 2026-10-02
MaziyarPanahi 在 Hugging Face 发布 ModernJEV-Decide-Preview,一个给 agent 决定「下一步做什么」的小型编码器:
- 架构:149.6M 参数的 ModernBERT 交叉编码器,带一个标量打分头,支持 4096-token 输入;选择项的标签与描述直接作为输入文本,因此输出不受固定工具名词表限制,可对任意候选动作/工具排序打分。
- 训练成本:60,000 条决策的原型仅花费约 6.60 美元 A100 算力(其中训练约 5.40 美元),含搭建与评估。
- 工作方式:读取对话、策略与可用工具,对提供的候选取项打分,应用层拿到最高分标签后执行对应动作;模型只负责排序,不负责执行。
- 评测:最终 checkpoint 在选定的 60,000 条训练决策上全部通过;留出集结果覆盖 1,158 条 next-action、542 条工具选择和 3,652 条未见过的 When2Call 决策,分别报告。
- 作者明确说明这是实验性 preview,是 Jev 风格的选择模型而非 Jev 复现,基于公开 agent 决策数据训练,Apache-2.0 开源。
所属事件:6.6 美元训出 Jev 式工具路由模型并开源(4 条相关)→
「编程与Agent」频道最新
- Agent 界面全面卡死，用户吐槽「软件已解决论」翻车 — justalexoki · 2026-10-02
- 腾讯 SkillAdam 论文：给 Agent 技能进化加记忆，准确率 28.3%、token 省三分之二 — rohanpaul_ai · 2026-10-02
- 视觉编码 agent 评测设计:重渲染+确定性判分如何修正厂商差异 — smith2008 · 2026-10-02
- AI 智能体解剖：从感知到护栏的 7 大核心组件拆解 — ZabihullahAtal · 2026-10-02
- 同一 agent 循环实测 14 模型:硬性预算下 GPT-6 Astra 全胜 — smith2008 · 2026-10-02
- Vibecoding 出 JostSlides：用 Python 写科研演讲的本地化幻灯框架 — ZeYanjie · 2026-10-02