Meta 与 CMU 用强化学习训练小模型做工具选择，Qwen3-8B 超过 Llama-4-Maverick
热点事件持续更新
Meta 与 CMU 用强化学习训练小模型做工具选择，Qwen3-8B 超过 Llama-4-Maverick
1 篇报道1 个报道来源2 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 Llama-4-Maverick（402B）最佳提示词设置的 30.6%。 论文称，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，换用更强的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 工具选择超越提示词驱动的 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
- Rohan PaulMeta 与卡内基梅隆论文：RL 训练的 Qwen3-8B 工具选择超越提示词驱动的 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%；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。
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。