Meta 与卡内基梅隆论文：RL 训练的 Qwen3-8B 工具选择准确率超提示词驱动的 Llama-4-Maverick 402B

Rohan Paul· @rohanpaul_ai · X·2026-10-24 08:28· 1 小时前AI 评分52

AI 导读

Meta 与卡内基梅隆的论文提出用强化学习训练小型开源模型做工具选择，把请求拆成步骤、用关键词搜索并逐步选出工具。在 ToolBench 上，训练后的 Qwen3-8B 精确选中正确工具的比例为 41.5%，高于 Llama-4-Maverick（402B）最佳提示词设置的 30.6%；无需重新训练即在 4 个新工具基准中的 3 个上超过 Maverick，且换更强检索器后表现继续提升。

正文 · 原文

Meta 与卡内基梅隆的新论文发现，用强化学习训练的小模型比经过提示词设置的 402B Llama-4-Maverick 更常选对工具。

智能体可能面对超过 10,000 个工具，而它们的描述无法全部放入上下文。检索器只按相关性排序，因此近期的方案让 Claude 或 ChatGPT 来挑选工具。

他们训练 Qwen3 模型把请求拆成步骤，用纯关键词搜索逐步检索，并在每一步选出 1 个工具。训练先使用教师编写的示例，然后用强化学习奖励有用的搜索步骤和精确选择。

在 ToolBench 上，训练后的 8B 模型精确选中正确工具的比例为 41.5%，而 Maverick 最佳提示词设置为 30.6%。无需重新训练，它就在 4 个新工具基准中的 3 个上超过 Maverick，并且在换用更强的检索器后表现继续提升。

如果你的智能体需要从庞大的工具目录中选择，一个经强化学习训练的小模型就能承担选择任务，而不必依赖经过提示词设置的大模型。

来源：Rohan Paul · x.com