给审批 agent 配"第二意见":3.66B 纯逻辑小模型当检查员
Swimming_Capital5164 · reddit · 2026-10-09
一位为企业财务团队搭建内部自动化的开发者分享了 agent 审批的常见失败模式:主 agent 读了政策和请求后,自信地做出政策并不允许的决定——工具没问题,推理出了错。他的方案是在不可逆操作前加一道"第二意见"检查:一个独立的小模型读政策、事实与 agent 的决定,只回答一个问题——这个决定是否真的由规则推出?不成立就转人工。
他选了 webAI 新发布的 TwIL-LM3 Pro(3.66B,纯逻辑训练)而非常见的 Qwen3-8B 做检查器:
- 其逻辑测试得分 55.4,略胜 Qwen3-8B 的 53.4,但模型不到一半大小;VibeThinker 3B 仅 41.2
- "结论是否由给定事实推出"类问题正确率 67%,标准逻辑谜题集 95.4%
- 同硬件下每秒处理逻辑检查次数是 Qwen3-8B 的两倍多
- 2 GB 下载、普通笔记本可跑,无需额外 GPU,公司数据不出本机
限制:日常任务不如通用模型,只适合当检查器;回答前思考很长,不留足 token 约 1/4 回答被截断;许可证为非商业,仅限测试。作者表示上线后公开真实请求上的表现。
「编程与Agent」频道最新
- Garry Tan 力挺 Aside Browser：让 Agent 真正用好网页的解法 — garrytan · 2026-10-23
- MCP 服务器 30 天后暗藏窃取 SSH 密钥指令，作者开源 mcp-guard 防变节 — ErgoniaWorks · 2026-10-23
- 实测：不在 AGENTS.md 里写明的 MCP 工具，编码 Agent 不会用 — colinmcnamara · 2026-10-23
- 用开源模型+Claude 把一段网球视频变成世界级教练 — tweetsatpreet · 2026-10-23
- 132 个免费开源 AI Agent 与 RAG 项目合集，星标 1.65 万 — Arindam_1729 · 2026-10-23
- Google Agents CLI 开放扩展系统，v1.8.0 官方支持 LangChain — rseroter · 2026-10-23