Meta/CMU：RL 训练的 8B 小模型选工具胜过 402B Maverick
rohanpaul_ai · x · 2026-10-24
Meta 与卡内基梅隆的论文（arXiv:2610.31483）表明，用强化学习训练的小模型在工具选择上可以击败提示驱动的超大模型。
背景：Agent 面对上万工具时，描述无法全部塞进上下文；相关性检索器只会排序、不知实际需要哪个，近期做法是让 Claude/ChatGPT 分解指令并从候选中挑选。
方法：训练 Qwen3 模型把请求拆成步骤，每步用普通关键词检索，并各选 1 个工具；先模仿教师示例，再用 RL 奖励有用的检索步骤和精确选择。
结果：
- ToolBench 上，训练后的 Qwen3-8B 精确选对工具的比例为 41.5%，超过 Maverick 最佳提示设置的 30.6%
- 无需再训练，即在 4 个新工具基准中的 3 个上击败 Maverick，且换更强检索器时表现继续提升
- 模型可直接迁移到不同检索器和跨领域新工具集
启示：工具目录庞大的 agent 可用 RL 训练的小模型替代提示大模型做工具选择。
所属事件:Meta 联手 CMU：RL 训练 8B 小模型选工具超越 402B 大模型(3 条相关)→
「编程与Agent」频道最新
- 网友用 Grok Bot 管 M5Stack 机器人固件，Hermes 本地跑大脑 — alexcovo_eth · 2026-10-24
- 用 AI 智能体把 30% Git 建模进 Lean 4,证实超 8000 条定理并发现 100+ 潜在缺陷 — kfountou · 2026-10-24
- 4 天 1500 星:REA 逆向工程提示词合集爆火,让编码 Agent 拆解任意软件 — Promptmethus · 2026-10-24
- 实测 Kimi K3.1 Pro 跑 agent 任务：顺序错误致构建连环翻车 — QuixiAI · 2026-10-24
- 老手经验：调教模型别只写 spec，直接跟它对话效果更好 — MoonL88537 · 2026-10-24
- 多 Agent 编排实操:弃用 goal,改用 manager 加定时轮询 — pvncher · 2026-10-24