我要投稿

智能体工具调度的新突破：8B小模型击败GPT-5

发布日期：2025-11-28 14:35:23 浏览次数： 1943

作者：AI工程化

微信搜一搜，关注“AI工程化”

香港大学与NVIDIA团队发现搭建智能体工作流的两个关键问题：仅靠提示词工程的工作流存在性能天花板，同时，静态路由策略还会导致资源浪费。

针对于此，他们通过其ToolOrchestra框架强化学习训练了一个8B参数的调度模型（Orchestrator-8B），在三个基准测试中表现突出：

HLE（人类最后一考）：37.1%准确率，超越GPT-5的35.1%
τ²-Bench：成本降低70%的情况下准确率更高
FRAMES：响应延迟降低40%

研究团队发现传统工作流存在两个典型缺陷：

自我增强偏见：过度调用自身简化版模型（如GPT-5-mini被调用占比达66%）
资源错配：78%的简单任务仍调用顶级模型

而ToolOrchestra的解决的核心在于端到端强化学习训练，方案上：

多目标强化学习同时优化结果质量、效率和用户偏好
支持长周期决策，能自主判断何时调用何种工具（包括本地搜索、代码解释器、专业大模型等）
内置成本控制机制，避免无脑调用最贵模型

团队还开源了完整训练数据集ToolScale，覆盖10个领域（金融、体育、电商等），包含4063个多轮工具调用任务。数据生成采用两步流程：先模拟真实环境（数据库schema和API），再生成多样化任务。包含10个领域的数千条多轮工具调用记录。

有开发者尝试部署后反馈，在电影票务系统等需要多步操作的场景中，响应速度比传统方案快2-3倍。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-01-15

太强了！这个 NotebookLM Skill，真的把 NotebookLM 搬进了命令行！

2026-01-14

开源首发 BabelDOC：PDF翻译终结者，完美保留格式，阅读效率提升10倍！

2026-01-13

权威发布: 复旦大学 OpenOCR：通用OCR新霸主，0.1B参数通吃文本公式，准确率暴涨4.5%！

2026-01-13

百川开源全球最强医疗大模型M3，「严肃问诊」定义AI医疗新能力

2026-01-13

DeepSeek 凌晨开源：给 Transformer 加个「查字典」的能力

2026-01-12

AI玩法的尽头是Skills！18k+ star的开源Claude SOP，你必须要掌握

2026-01-12

字节开源了“豆包电脑”：UI-TARS-Destktop

2026-01-12

一文了解谷歌最新的通用商务协议（UCP）

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

豆包手机同款AutoGLM硬核开源：AI如何用“眼睛+大脑+手”接管你手机

2025-12-10

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

不想给 Claude 付费，但想玩 Skills？我用国产模型搞定了

2025-10-21

大家都在问

又是量化基金，第二个DeepSeek时刻到来了？

2026-01-02

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部