强化学习框架 SMITH 让 4B 大语言模型学会编写供其他模型调用的工具

研究人员提出强化学习框架 SMITH，将工具创建与工具使用统一在单一策略中联合训练。经该框架训练的 4B Qwen3 在未见任务上取得 79.9 宏平均准确率，输出 token 较标准 CoT 减少 32 倍；其编写的工具供冻结的 350M 模型调用时，任务准确率达 42.9。该方法还直接适用于 Qwen3-8B 与 Granite-3.3-8B。