Meta 训练 8B 模型做工具选择，万级工具下超过 402B 大模型

Meta 的研究针对超过一万个工具场景下的 Agent 工具选择问题，此时工具描述无法全部放进上下文。他们基于 Plan, Retrieve, Select 流程训练 Qwen3 模型：先把指令拆成子步骤，检索器为每步返回候选，模型再逐步选定工具。训练先用约 2 万条 ToolBench 指令做 SFT，再用按黄金工具覆盖数和排名打分的奖励做 RL。在 ToolBench G3 上，8B 模型从 SFT 后的 36.2% 提升到 RL 后的 41.5%，高于被提示的 Llama-4-Maverick，也优于 402B 模型。