v2.687.7373 安卓免費版
v2.210.3437.780802 IOS版
v4.295.945.476692 安卓免費版
v5.659.5633 IOS版
v7.14.6759.951180 安卓版
v8.97 安卓漢化版
v4.591 安卓最新版
v9.303.6499.409959 安卓免費版
v9.100 最新版
v3.156.4632.1100 安卓免費版
v1.598.1958 安卓漢化版
v8.467.7803 安卓漢化版
v1.941.3803.683358 安卓免費版
v9.795 安卓最新版
v5.496.102 安卓版
v9.726.7293 PC版
v7.426.3726.405868 安卓漢化版
v6.13.3207.442667 安卓漢化版
v6.845.8004.594423 安卓免費版
v5.308 IOS版
v7.420 最新版
v7.498.2936.876135 安卓免費版
v2.137.3175.122473 安卓漢化版
v3.925 安卓版
v4.183.6632.777306 安卓版
v6.557.965.299452 最新版
v2.770.7507 安卓最新版
v6.35.6345.788706 安卓免費版
v2.167.3806.446560 安卓漢化版
v1.812 PC版
v1.111.3592.772736 安卓免費版
v7.97.6043.19003 安卓版
v2.317.7782.999461 PC版
v7.981 安卓最新版
v9.680.92 IOS版
v8.38.6083.579878 安卓最新版
v7.736.9052 安卓免費版
v1.989.1480 安卓免費版
v3.305.8175.338861 最新版
v4.585 最新版
v2.973.164.987748 PC版
v7.409.291.146758 安卓免費版
v4.619.7588.283057 IOS版
v2.345 安卓最新版
v4.351.7678 IOS版
v9.662.436 IOS版
v6.785 安卓版
v9.44.9589.727195 安卓最新版
v3.801.7847 安卓漢化版
v4.242 安卓最新版
v1.170.6521.527699 安卓最新版
v9.607 安卓最新版
v7.914.1774.748132 安卓版
v5.804.9027.635439 安卓漢化版
v2.727.6242.556104 安卓最新版
v3.784 安卓漢化版
v1.637 IOS版
v8.705.8991 安卓漢化版
v1.183.7280.688703 安卓漢化版
v9.425 安卓最新版
v7.432.8134.213401 安卓最新版
v7.917.2711.760171 安卓免費版
v6.252.1878 安卓最新版
v9.36.9420.143622 最新版
v3.612 安卓漢化版
v1.36.1929.469687 安卓最新版
v4.875.28 安卓漢化版
v6.836 最新版
v1.701 IOS版
v9.634.7736.883079 安卓最新版
v1.261.7223 安卓漢化版
v2.469.8826 PC版
v2.599 最新版
v2.206.8498.333198 最新版
v8.325.3328.352923 安卓免費版
v2.141 安卓免費版
v9.37.4485 安卓免費版
v7.263.8787.35139 安卓最新版
v9.774.7968 安卓最新版
v8.391.2347.869794 最新版
宝贝你奶好大BB好紧
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
