小模型经强化学习实现可迁移工具选择

强化学习后训练的 Qwen3-8B 在 ToolBench 工具选择上超过 402B 模型

资讯摘要

论文关注 LLM 智能体在超万级工具库中为多步指令选工具的瓶颈：工具描述无法全部放入上下文，基于相关性的检索器只排序而不知实际所需。作者提出用强化学习训练小型开源模型，复现商业大模型驱动检索器、分解指令并选择候选的功能。论文报告在 ToolBench 上，经该配方后训练的 Qwen3-8B 优于 Llama-4-Maverick（402B），且可直接迁移到不同检索器并泛化到新领域工具库。

要点速读

1. 论文指出工具描述无法全部放入上下文，相关性检索器只排序、不判断实际所需工具。
2. 作者用强化学习后训练 Qwen3-8B，论文报告其在 ToolBench 上优于 Llama-4-Maverick（402B）。
3. 训练后模型可直接迁移到不同检索器，并泛化到不同领域的新工具库。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。