Agent微调复活？英伟达开源8B新模型带飞GPT-5：在HLE狂卷37分，还把成本打下来

主要观点总结

本文介绍了一种新的智能系统范式，该范式采用小模型指挥家与多种工具协作的方式，以强化学习进行调度，旨在实现高效、低成本且符合用户偏好的智能服务。其中，英伟达和香港大学的研究员提出了一种名为Orchestrator-8B的指挥家模型，该模型在复杂任务中展现出超越GPT-5的性能，并在多个领域取得显著成果。

关键观点总结

关键观点1: 新范式介绍

文章提出了一种新的智能系统范式，通过小模型指挥家与各种工具（包括代码解释器、网络搜索、数学模型等）的协作来完成复杂任务。

关键观点2: 指挥家模型性能

Orchestrator-8B指挥家模型在多个领域（如金融、医疗等）的任务中表现出强大的性能，超越了GPT-5等模型，并实现了更低的计算成本。

关键观点3: 强化学习应用

文章使用强化学习训练指挥家agent，通过多重奖励来提升效果和效率，解决了传统模型中存在的偏见问题。

关键观点4: ToolOrchestra系统

ToolOrchestra系统通过统一接口、多轮编排和强化学习三重奖励等技术，实现了工具之间的协同工作，提高了智能系统的整体性能。

关键观点5: 实验成果与应用场景

文章中的实验成果展示了Orchestrator-8B模型在HLE、FRAMES和τ²-Bench等多个赛道上的优势，并提供了在企业内部问答、报表分析、研发检索和Agent工作流等场景的直接应用。