RL小模型工具选择能力超过提示驱动大模型
先了解这件事
AI 综述
2026年10月24日，X用户Rohan Paul发布消息称，Meta与Carnegie Mellon的一项论文发现，经强化学习（RL）训练的小模型在工具选择任务上表现优于采用提示驱动方式的402B参数Llama-4-Maverick。报道以论文结论形式对比了两种方法，但未提供具体评测任务、指标及分数，也未说明小模型的规模和训练细节。
报道时间线
10月24日
- Meta 与 Carnegie Mellon 论文称 RL 训练的小模型工具选择优于提示驱动的 Llama-4-Maverick
Meta 与 Carnegie Mellon 的论文发现，经 RL 训练的小模型在工具选择上超过提示驱动的 402B Llama-4-Maverick。
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。