arXiv 论文：训练小模型实现可迁移的工具选择
rohanpaul_ai · x · 2026-10-24
同一篇 Meta/CMU 论文（arXiv:2610.31483）的 arXiv 页面链接，作者 Zhaoyi Zhou 等 7 人，2026 年 10 月 22 日提交。核心结论：Qwen3-8B 经其 RL 后训练配方后，在 ToolBench 上工具选择超过 402B 的 Llama-4-Maverick，并能直接迁移到不同检索器与跨领域新工具集。
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)→
「研究」频道最新
- RLCR 论文：用集体奖励训练 LLM 智能体组织，自发涌现分工与层级 — algo_diver · 2026-10-24
- SMD 少步扩散蒸馏发布：无需对抗训练与打分模型，验证至 33B、覆盖图视频3D — ArashVahdat · 2026-10-24
- tszzl 预言：几年内生物学将现惊人突破，癌症或迎近期解法 — tszzl · 2026-10-24
- rei_labs 提出 CLP:用学习与规划耦合应对训练数据稀缺 — burny_tech · 2026-10-24
- Palmer Luckey：鹦鹉小脑撑起高级智能，效率或是 AI 破局关键 — NaveenGRao · 2026-10-24
- Freeform Preference Learning:用自然语言自定义机器人奖励对比轴 — micoolcho · 2026-10-24