热点事件持续更新

Meta与CMU：RL训练小模型工具选择胜402B模型

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

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 402B 的 Llama-4-Maverick 在最佳提示词设置下的 30.6%。该模型无需重新训练，就在 4 个新工具基准中的 3 个上超过 Maverick；换用更强检索器后表现继续提升。

AI 根据报道生成 · 1 小时前更新

最新进展10月24日 08:28

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

报道时间线

沿着报道，了解事件的不同侧面。

10月24日

08:28
RadarAI
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
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%。该模型无需重新训练即在 4 个新工具基准中的 3 个上超过 Maverick，换用更强检索器后表现继续提升。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。