Des chercheurs de Meta et de l’Université Carnegie Mellon ont entraîné un modèle Qwen3-8B par apprentissage par renforcement à sélectionner le bon outil dans 41,5 % des cas sur la référence ToolBench G3. Le modèle Llama-4-Maverick, qui compte environ 402 milliards de paramètres, a obtenu un taux de réussite de 30,6 % dans des conditions comparables. Les versions Qwen3 de 1,7 et 4 milliards de paramètres ont également dépassé Llama-4-Maverick, avec des scores de 37,6 % et 40,3 %. L’entraînement a combiné un ajustement fin supervisé à environ 21 000 instructions de ToolBench G3, puis une phase d’apprentissage par renforcement utilisant la méthode GRPO et une stratégie de planification, de récupération et de sélection. Ces résultats, issus d’une seule famille de références, indiquent qu’un modèle beaucoup plus compact et moins coûteux peut excelleder dans la sélection d’outils, sans résoudre toutefois la difficulté de cette tâche lorsque le catalogue dépasse 10 000 outils.
Source: Lire l’article original
