主要来源rohanpaul_ai
查看原文事件专题 ·单一信源
Meta 与 CMU 论文：RL 训练的 Qwen3 8B 工具选择胜过 402B Llama-4-Maverick
Meta 和 Carnegie Mellon 的论文用强化学习训练 Qwen3 小模型做工具选择，流程是把请求拆成步骤、每步用关键词搜索、再选出 1 个工具。在 ToolBench 上，训练后的 8B 模型精确选对工具的比例为 41.5%，而 402B 的 Llama-4-Maverick 最优提示设置为 30.6%。不重新训练的情况下，该模型在 4 个新工具基准中的 3 个上超过 Maverick，且换更强检索器后成绩继续提升。训练数据先用教师撰写示例，再用奖励有用搜索步骤和精确选择的 RL。
当前结论
Meta 和 CMU 把 Qwen3 8B 用 RL 训成了工具选择专家，ToolBench 上 41.5% 精确命中率反超 402B 的 Maverick，做大型工具目录 agent 的可以看看。
2 个信源62° AI 热度最后更新 2026/10/24 00:28:33
证据链
2 个信源相关来源 1DAIR.AI
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。