Meta与CMU论文：RL小模型工具选择优于大模型
热点事件持续更新
Meta与CMU论文：RL小模型工具选择优于大模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月24日，X 用户 Rohan Paul 发帖介绍 Meta 与卡内基梅隆大学的一篇论文。该帖称，论文发现用强化学习（RL）训练的小模型在工具选择上比提示词驱动的 402B Llama-4-Maverick 更常选对工具。据该帖描述，研究团队把 Qwen3 模型训练成先将请求拆成步骤、每一步用关键词搜索并选出 1 个工具；训练分两阶段，先用教师写的样例，再用 RL 奖励有效的搜索步骤和精确的工具选择。上述内容均来自该帖对论文的转述，帖子未给出论文标题、具体评测数据集、准确率数值或对比条件等细节，相关结论的适用范围尚不明确。
AI 根据报道生成 · 4 小时前更新
最新进展10月24日 08:28
Meta 与卡内基梅隆大学论文：RL 训练的小模型工具选择准确率超过 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 与卡内基梅隆大学论文：RL 训练的小模型工具选择准确率超过 402B Llama-4-Maverick
Meta 与卡内基梅隆大学的论文发现，用 RL 训练的小模型在工具选择上比提示词驱动的 402B Llama-4-Maverick 更常选对工具。他们把 Qwen3 模型训练成将请求拆成步骤、每步用关键词搜索并选出 1 个工具，训练先用教师写的样例，再用 RL 奖励有效的搜索步骤和精确选择。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月24日 09:00
- 近 24 小时变化
- –
02.557.510
09:0010:0011:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。