v5.634 安卓漢化版
v3.912.8903.529616 安卓漢化版
v5.573.4808.587895 安卓漢化版
v3.71.8923 安卓漢化版
v5.176 安卓版
v3.416.8281 IOS版
v8.372.8525.544099 安卓版
v3.837.1538 安卓免費版
v8.52 安卓漢化版
v5.862.2916.352198 安卓最新版
v5.375.8799.783132 安卓版
v9.884.6005 安卓免費版
v4.398.5084.120287 安卓免費版
v9.673.3998 最新版
v1.35.2374.662599 IOS版
v5.866.401.333654 安卓最新版
v4.630.923.213683 安卓最新版
v8.649 安卓最新版
v4.678 安卓最新版
v3.117.4681 安卓免費版
v4.992 安卓最新版
v5.44 PC版
v9.507 PC版
v4.224.9174.805053 安卓最新版
v9.521.4495.422963 IOS版
v3.407.4985 IOS版
v3.277 IOS版
v5.870.3293.272583 安卓最新版
v5.161 安卓免費版
v7.49 PC版
v7.928.2709.322193 安卓漢化版
v1.521 IOS版
v5.885.1419.775384 最新版
v7.784.4249 安卓漢化版
v9.58.4845.152483 安卓最新版
v5.599 安卓最新版
v3.842 安卓最新版
v4.258.1548.336552 最新版
v5.549.3563.729166 PC版
v6.204.4373.961493 安卓最新版
v2.455 安卓版
v3.870.9220.263909 安卓最新版
v1.622.5343 安卓漢化版
v6.416.1959.452047 PC版
v6.850 IOS版
v4.158.4564.157401 最新版
v5.288 PC版
v7.642.1674.764148 安卓最新版
v7.785 最新版
v1.439.6407.898263 安卓漢化版
v1.314.5285 安卓版
v9.334.4601.250764 安卓版
v8.695.6065.367913 安卓最新版
v1.942.2423.350889 安卓版
v3.580 PC版
v6.696.6871.459914 安卓版
v1.381 最新版
v7.824 最新版
v4.69.6226.92689 PC版
v3.864 安卓免費版
v7.881 最新版
v6.858.5148.623930 安卓免費版
v2.475 安卓最新版
v3.287.5086.388414 IOS版
v4.269.6872.408659 PC版
v8.578.9382 IOS版
v2.352 IOS版
v5.288.2366.960717 IOS版
v6.914 安卓版
v8.236 IOS版
v6.498.1236 安卓版
v8.825 安卓免費版
v8.726.52.692417 安卓最新版
v6.120.1879 最新版
v7.912.4322.606082 安卓免費版
v2.247.9081.574227 安卓免費版
v1.53.3173.322148 安卓漢化版
v9.135.4198 安卓版
v8.558.2460.863822 安卓漢化版
v1.389.1519 安卓漢化版
没带罩子捏了的小兔兔
英伟达端着一个8B小模子对GPT-5说：
欠盛意思，你还得练（bushi） 。
何出此言 ？——英伟达携手香港大学开源的Orchestrator-8B，人类最终考试HLE分数更高、花钱更少、跑起来速率还更快 。
哦对了，还在HuggingFace被狂赞，冲到了热门模子前五 。
而它逾越GPT-5的打法是不当推理者，而是“工具主理人”，协调使用各路工具 。
怎样吊打GPT-5 ？
人在解决问题时会找种种帮手，好比搜索引擎、盘算器 ，那这个事情能不可由模子代庖 ？
Orchestrator干的就是这事儿 。
虽然自己只有8B参数，但手下管着一整个工具团队 。
既有GPT-5、Claude Opus 4.1这样的顶级大模子，也有Qwen2.5-Math这样的专业数学工具，尚有网页搜索、外地检索、代码诠释器这些适用小帮手 。
它并不是自己解题，而是判断现在该用哪个工具、控制工具的顺序和使用次数、还能兼顾效果、本钱、用户偏好，事情一样平常如下：
拿到难题先剖析：这题需要算数学 ？那就挪用Qwen2.5-Math ；历程中动态调解：搜完资料发明需要验证 ？那就先用代码诠释器跑一遍 ；全程把控用户偏好：用户说要省钱，那GPT-5能不必就不必，优先用外地工具 。
简朴说，大模子是一小我私家干所有活，而Orchestrator-8B是带着团队干专业活 。
能让小模子精准协调这么多工具，全靠英伟达的ToolOrchestra训练大法 。
焦点有两个，一个是有奖有罚的强化学习，一个是量身定制的ToolScale数据集 。
训练时给Orchestrator立了三条赏罚规则：
效果奖：让GPT-5判对错，解题对了加分，错了扣分 ；效率奖：用的钱少、耗时短加分，反之扣分 ；偏好奖：听用户的话加分，好比用户要隐私 ；，多用外地搜索就加分 。
研究者建了个包括金融、医疗、电商、旅游等10个领域的逊ж材库，内里全是“怎么用工具解题”的案例，让模子充分接触种种场景 。
Orchestrator-8B也在权威测试中交出了令人知足的答卷 。
HLE测试里它拿下37.1%的得分，凌驾GPT-5的35.1%，本钱却仅为后者的1/2.5 ；
FRAMES、τ?-Bench测试中也拿下SOTA效果，降低了开支，运行速率更是快了一倍多 。
小模子的逆袭
现实上，在AI领域工具编排和小模子驱动复合系统的赛道上，英伟达ToolOrchestra训练的Orchestrator-8B并非孤例 。
最早探索让小模子学会挪用工具的代表性研究，是谷歌DeepMind在2023年提出的Toolformer，通过监视学习+自天生数据，让12B参数的模子学会挪用盘算器、翻译API、搜索引擎等基础工具 ；
但其时，Toolformer仅聚焦基础工具，并没有把大模子纳入工具库 。
MIT和CMU联合团队的ToolRL，提出以奖励为焦点的工具学习框架，训练小模子通过强化学习动态选择工具，主要是解决“古板工具学习太过依赖人工标注数据” 的问题，通过自动天生工具交互轨迹训练模子 。
虽然也是奖励机制，但ToolRL的奖励函数更着重于使命的准确性和工具挪用效率，并没有明确纳入用户偏好，且工具库以基础工具和专业API为主 。
今年，香港大学和微软提出的Optimal Tool Calls（OCT），也是专门针对“工具挪用本钱优化”的小模子训练要领 。
越来越多的团队在做相关研究，也有越来越多的人关注该领域的希望 。
就拿Orchestrator-8B来说，为什么它能获得HuggingFace高赞 ？
最显着的缘故原由就是适用 。大模子虽强，但太贵、太慢，而Orchestrator-8B参数目小，还能实现「强+省钱」，直接解决了落地时的本钱难题 。
用低本钱实现高智能，这么一看，AI的未来还真纷歧定是超等大模子单打独斗了 。
作者简介
Orchestrator-8B这篇论文的一作是香港大学博士苏弘锦，主要研究偏向是数据科学和自然语言处置惩罚，现在英伟达实习 。
共一是英伟达研究院的研究科学家Shizhe Diao，主要举行大型基础模子的预训练、高效调优和对齐方面的研究，曾与字节跳感人工智能实验室的李航博士相助 。
论文地点：https://arxiv.org/abs/2511.21689项目主页：https://research.nvidia.com/labs/lpr/ToolOrchestra/数据集：https://huggingface.co/datasets/nvidia/ToolScaleHuggingFace地点：https://huggingface.co/nvidia/Nemotron-Orchestrator-8B
相关版本
多平台下载
审查所有0条谈论>网友谈论
