Meta与CMU：RL训练小模型工具选择胜大模型
热点事件持续更新
Meta与CMU：RL训练小模型工具选择胜大模型
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与卡内基梅隆大学的论文称，经强化学习训练的小模型在工具选择上比提示的大模型更常选对工具。论文以Qwen3-8B为对象，将请求拆成步骤、用关键词搜索检索、每步选1个工具，训练结合教师示例与RL奖励。 据X用户Rohan Paul转述，该经RL训练的Qwen3-8B在选对工具上超过被提示的402B Llama-4-Maverick。该结论出自论文及转述，尚未见独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月24日 08:28
Meta 与 CMU 论文：RL 训练的 Qwen3-8B 工具选择超越 402B Llama-4-Maverick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 CMU 论文：RL 训练的 Qwen3-8B 工具选择超越 402B Llama-4-Maverick
Meta 与卡内基梅隆的论文训练 Qwen3 小模型做可迁移的工具选择：把请求拆成步骤、用关键词搜索检索、每步选 1 个工具，训练用教师示例加 RL 奖励。
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。