上万个工具怎么选：8B 小模型经强化学习胜过 402B
arXiv 论文：工具库超过一万个时，选对工具成为瓶颈。作者用强化学习训练小型开放模型来拆解指令并在检索候选中选工具，称在 ToolBench 上后训练的 Qwen3-8B 超过 Llama-4-Maverick（402B），并能迁移到别的检索器和工具库。
Zhaoyi Zhou原始发布
为什么值得留
工具或技能很多的团队，可以考虑用专门训练的小模型做选择层，而不是全交给大模型。
可以从这里开始
统计你的 agent 一次任务平均加载多少工具描述，超过几十个就值得考虑先检索再选择。
阅读时留意
成绩来自作者自测和单一基准；摘要未给成本与延迟数字。
OnBalls 导读整理于 2026.10.24。只读收件箱保存的 arXiv 摘要节选（可能截断）；未读论文正文、未看代码和数据。