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
中文摘要
Meta与CMU研究显示,经RL训练的Qwen3-8B在工具选择上优于402B规模的Llama-4-Maverick,证明小模型通过强化学习可实现高性能。
English Summary
Meta and CMU research shows RL-trained Qwen3-8B outperforms Llama-4-Maverick 402B in tool selection, proving small models can achieve high performance via reinforcement learning.
Original Excerpt
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。