DIVE：擴展代理任務合成多樣性以提升工具使用泛化

#agentic-tasks#tool-use#ood-generalizationdivearxivqwen3-8bdive

💡多樣性勝數量：4倍少資料下OOD工具使用基準+22分

⚡ 30-Second TL;DR

有什麼變化

顛倒合成順序：先執行工具，從軌跡推導任務

為什麼重要

DIVE透過優先多樣性解決代理LLM脆性，以更少資料實現穩健工具使用泛化。此轉變訓練範式由數量轉向品質，有利可擴展代理開發。

下一步行動

從arXiv:2603.11076下載DIVE資料集，微調您的工具使用LLM以獲OOD提升。

誰應關注：Researchers & Academics

背景與延伸：來自公開資料，非原文內容。引用 7 個來源。

•Qwen3-8B 是 Alibaba Qwen3 系列的 8.2B 參數稠密因果語言模型，支持 32K 原生上下文窗口，可透過 YaRN 擴展至 131K 令牌，並支援 100 多種語言。[1]
•Qwen3-8B 在未微調前於 12 個小型語言模型的 8 項任務基準中展現最佳基礎性能，平均排名 1.75，且變異數最低，顯示高度一致性。[2]
•Qwen3-8B 在推理任務中 Artificial Analysis 智能指數得分 13，低於同級模型平均 15，生成速度 71 tokens/s 低於平均，且輸出較冗長。[3]
•Qwen3-8B 在不同量化版本下速度表現優異，如 SGLang BF16 於 30720 輸入長度達 832.67 tokens/s，AWQ-INT4 達 770.44 tokens/s。[4]

•Qwen3-8B 支持思考模式（用於數學、編碼、邏輯推理）與非思考模式（一般對話）無縫切換，經指令遵循微調，適用代理整合與多語言任務。[1]
•速度基準：Transformers BF16 版本於 30720 輸入長度生成速度 208.98 tokens/s，GPU 記憶體 20267 MB；AWQ-INT4 達 438.62 tokens/s，記憶體 11001 MB。[4]
•Qwen3 系列稠密基礎模型性能匹敵更大 Qwen2.5 模型，如 Qwen3-8B 相當於 Qwen2.5-14B，尤其在 STEM、編碼與推理基準優於前代。[5]

DIVE 訓練後 Qwen3-8B 將在更多 OOD 代理基準超越現有 SOTA 模型

其 +22 分提升顯示多樣性合成方法有效提升工具泛化，結合 Qwen3-8B 強大基礎性能，可進一步擴展至複雜真實世界任務。

Qwen3-8B 量化版本將廣泛部署於邊緣設備代理應用

AWQ-INT4 等量化達高達 770+ tokens/s 速度與低記憶體需求，使其適合資源受限環境的工具使用代理。

2025-05

Qwen3 系列發布，包含 Qwen3-8B 基礎模型，於多基準展現 SOTA 性能

2026-03

DIVE 方法論文發布於 ArXiv，利用 Qwen3-8B 於 OOD 基準獲顯著提升

Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.

AI 週報

閱讀本週精選 AI 大事摘要 →

同主題

探索 #agentic-tasks

同產品

更多關於 dive

同來源

最新來自 ArXiv AI

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週 AI 簡報

每週一封，可隨時退訂。