强化学习训练小模型实现可迁移工具选择

2026年10月23日，arXiv Artificial Intelligence 刊出 Zhaoyi Zhou 等作者的论文，研究通过强化学习后训练 Qwen3-8B，使这一小型开源模型能够像 Claude、ChatGPT 等商业 LLM 那样驱动检索器完成工具选择。报道称，在 ToolBench 上，该模型表现超过 402B 的 Llama-4-Maverick，并可迁移到不同检索器和跨领域的新工具语料。作者在论文中表示，小型开放模型可通过强化学习完成同样的功能。目前事件进展停留在论文发布与基准测试结果层面，报道未提及该方法的开源情况、使用条件或后续应用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。