風口已至，多領域平臺融入社交元素！
在眾多領域平臺中，社交元素都扮演著重要角色，如直播營銷帶貨、線上配對聽歌、游戲局內互動等。隨著元宇宙時代的來臨，社交產品不斷升級，社交元素推動流量變現，多平臺領域融入社交
5 月 14 日消息，科技媒體 marktechpost 昨日（5 月 13 日）發布博文，報道稱英偉達聯合推出 Nemotron-Research-Tool-N1 系列模型，受 DeepSeek-R1 啟發，采用新型強化學習（RL）范式，強化模型推理能力。
大型語言模型（LLMs）通過外部工具提升性能已成為熱門趨勢，這些工具幫助 LLMs 在搜索引擎、計算器、視覺工具和 Python 解釋器等領域表現出色。但現有研究依賴合成數據集，無法捕捉明確的推理步驟，導致模型僅模仿表面模式，而非真正理解決策過程。
為了提升 LLMs 的工具使用能力，現有方法探索了多種策略。主要包括兩方面：第一，數據集整理和模型優化。研究者創建大規模監督數據集，并應用監督微調（SFT）和直接偏好優化（DPO）強化學習等技術，將 LLMs 與外部工具整合，擴展其功能。
第二，改進推理過程。從傳統的訓練時擴展轉向測試時復雜策略。早期方法依賴步驟級監督和學習獎勵模型，指導推理軌跡。
這些方法雖有效，卻仍受限于合成數據的不足。研究者指出，通過這些策略，LLMs 能處理單輪或多輪工具調用，但缺乏自主推理的深度。
英偉達聯合賓夕法尼亞州立大學、華盛頓大學，組建專業團隊，合作開發 Nemotron-Research-Tool-N1 系列，針對現有方法的局限性，借鑒 DeepSeek-R1 的成功，開發輕量級監督機制，專注于工具調用的結構有效性和功能正確性。
Nemotron-Research-Tool-N1 系列并非依賴顯式標注的推理軌跡，而是采用二元獎勵機制，讓模型自主發展推理策略。
研究者統一處理了 xLAM 和 ToolACE 等數據集（提供單輪和多輪工具調用軌跡）的子集，并設計了輕量級提示模板，指導工具生成過程。
該模板使用 <think>...</think > 標簽明確指示中間推理，并用 < tool_call>...</tool_call > 標簽封裝工具調用，這樣避免了過度擬合特定提示模式。
主干模型為 Qwen2.5-7B / 14B，并測試了 LLaMA 系列變體，以評估泛化能力。在 BFCL 基準測試中，Nemotron-Research-Tool-N1-7B / 14B 模型表現出色，超越了 GPT-4o 等封閉源模型，以及 xLAM-2-70B 和 ToolACE-8B 等專用微調模型。
與相同數據源的 SFT 基準相比，該模型優勢明顯，證明了 RL 方法的有效性。在 API-Bank 基準上，Tool-N1-7B / 14B 的準確率分別比 GPT-4o 高出 4.12% 和 5.03%。這些結果驗證了新方法的潛力，幫助 LLMs 更自主地生成推理策略。研究者總結認為，這標志著從傳統 SFT 向 RL 范式的轉變。
附上參考地址
Nemotron-Research-Tool-N1: Tool-Using Language Models with Reinforced Reasoning
Nemotron-Research-Tool-N1: Exploring Tool-Using Language Models with Reinforced Reasoning
本文鏈接：http://www.tebozhan.com/showinfo-45-12878-0.html英偉達發布新 RL 范式：受 DeepSeek-R1 啟發，重塑 AI 模型外部工具能力
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
下一篇： Anthropic 即推 AI 新星：Claude Neptune 安全測試收官在即，對戰 GPT-5 和 Gemini Ultra
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號