7B小模型通过强化学习指挥GPT-5等大模型,多项基准测试超越单一大模型
一项新研究显示,一个仅70亿参数的语言模型经强化学习训练后,可有效协调调用GPT 5、Claude Sonnet 4和Gemini 2.5 Pro等前沿大模型。该模型以自然语言拆解任务、分配子任务并精确传递上下文,在GPQA Diamond、LiveCodeBench和AIME25等高难度基准测试中全面优于任一单一大模型。 实验表明,该系统平均每问题仅需调用约三次大模型,效率高于人工设计的多代理流程。研究证实,当前依赖人工提示工程与流程编排...