Hacker News LLM· blackcat201·· 2026-10-16AI 评分36
4B LLM 学习编写其他 LLM 可使用的工具
A 4B LLM learns to write tools that other LLMs can use
AI 导读
SMITH 强化学习框架联合训练工具创建与使用,4B Qwen3 在 13 项程序推理任务上取得 79.9 宏观准确率。 使用 DAPO 训练,比标准 CoT 减少 32 倍输出 token,在 GQA 基准上比最佳基线高 7.6 分。 该方法使 350M 模型使用 SMITH 工具时达到 42.9 准确率,验证了小模型编写大模型级工具的可行性。
来源:Hacker News LLM · tool-use-smith.github.io