工具交响乐:通过高效的模型与工具编排提升智能 / ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration
1️⃣ 一句话总结
这篇论文提出了一种名为ToolOrchestra的方法,通过训练一个小型的‘指挥家’模型来协调调用各种智能工具,从而在解决复杂任务时,以更低的成本实现了比大型语言模型(如GPT-5)更高的性能和效率,并且能更好地满足用户偏好。
请先 登录 后再提交论文
工具交响乐:通过高效的模型与工具编排提升智能 / ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration
这篇论文提出了一种名为ToolOrchestra的方法,通过训练一个小型的‘指挥家’模型来协调调用各种智能工具,从而在解决复杂任务时,以更低的成本实现了比大型语言模型(如GPT-5)更高的性能和效率,并且能更好地满足用户偏好。
MiroThinker:通过模型、上下文和交互扩展提升开源研究智能体性能边界 / MiroThinker: Pushing the Performance Boundaries of Open-Source Research Agents via Model, Context, and Interactive Scaling
这篇论文提出了一个名为MiroThinker的开源研究智能体,它通过增加模型与环境交互的深度和频率来提升性能,在多项测试中表现优异,接近商业系统的水平,并证明交互扩展是提升智能体能力的第三个关键维度,与模型规模和上下文长度同样重要。
从证明到程序:揭示大型语言模型中工具引发的推理幻觉 / From Proof to Program: Characterizing Tool-Induced Reasoning Hallucinations in Large Language Models
这项研究发现,尽管使用代码解释器等外部工具能提升语言模型的答案准确率,但会导致模型过度依赖工具输出而忽视逻辑推理过程,产生看似正确但缺乏合理性的解决方案,研究者通过优化方法成功改善了这一问题。