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： 2058

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

2026-03-01

OpenClaw被封杀了

2026-02-28

用 OpenClaw 将树莓派变身人工智能代理!

2026-02-28

OpenClaw来了，我以前学的那些东西没用了？

2026-02-28

ClawX：给 OpenClaw 装上图形界面，彻底告别命令行

2026-02-28

Claw 的普及，打开了 AI 社交的叙事空间

2026-02-28

构建比官方更顺手的 Codex，Skills 自动化同步上游

2026-02-27

OpenClaw 官方 53 个技能完整指南：功能详解 + 风险评估 + 安装建议

2026-02-27

OpenClaw：律师的下一个超级助理，还是一个危险的陷阱？

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

Clawdbot 完整安装教学：2026 年最火的开源AI 个人助理

2026-01-27

给自己搭一个 AI 搭档：OpenClaw 安装使用全记录

2026-02-06

重磅开源！Kimi K2.5 本地部署全攻略：手把手教你跑通 1T MoE 巨兽

2026-01-30

Clawdbot 深度拆解： 7 个问题看懂它。

2026-01-29

SkillsMP：一个聚合了 5 万+ AI Agent 技能的开源社区

2026-01-12

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

实测Kimi K2.5，这是一款厌丑的开源模型

2026-01-27

ClawdBot 火爆全网，手把手教你如何部署，还能直接用钉钉操作！

2026-01-28

OpenWork：Claude Cowork 的开源替代品

2026-01-21

Clawdbot再次更名：新名OpenClaw，官宣支持Kimi K2.5和小米MiMo

2026-01-30

大家都在问

OpenClaw来了，我以前学的那些东西没用了？

2026-02-28

OpenClaw：律师的下一个超级助理，还是一个危险的陷阱？

2026-02-27

OpenClaw 全球最火的AI助手，到底是什么神仙？

2026-02-24

OpenClaw近一半用户来自中国，大家在FOMO什么？

2026-02-11

Clawdbot 如何实现像人一样的长期记忆？

2026-02-05

一夜爆火，Clawdbot是否才是真正的AI入口产品？

2026-01-28

Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？

2026-01-26

速递 | DeepSeek突然扔出MODEL1，这到底是V4还是R2？

2026-01-21

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 Openclaw

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