热点事件持续更新
强化学习框架SMITH实现模型工具创建与调用联合训练
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月，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进行联合训练。经该框架训练的 4B Qwen3 模型在未见任务上取得了 79.9 的宏平均准确率，输出 token 数量较标准思维链（CoT）减少了 32 倍。同时，该模型编写的工具供冻结的 350M 模型调用时，任务准确率达 42.9。此外，该方法还直接适用于 Qwen3-8B 与 Granite-3.3-8B 模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 16:05
研究人员提出强化学习框架SMITH，让4B模型学会编写工具供其他模型调用并减少token消耗。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- Hacker News · AI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。
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。