NVIDIA 发布 Orchestrator-8B：强化学习驱动的高效工具与模型选择控制器

NVIDIA 推出了新方案 ToolOrchestra，旨在让 AI 系统更会挑选合适的模型与工具，摆脱对单一大模型的依赖。它通过训练一个名为 Orchestrator-8B 的小型语言模型，充当多工具代理的“大脑”，让任务处理更高效。

当前许多 AI 代理通常依赖一个大型模型（如 GPT-5），根据提示来选工具并完成任务。但研究发现，这类做法容易让模型过度依赖自身输出，造成成本与算力浪费。为此，ToolOrchestra 设计了专门的控制器 Orchestrator-8B，用强化学习优化工具选择与使用。

Orchestrator-8B 约 8 亿参数，是纯 Transformer 解码器，由 Qwen3-8B 微调而成。其工作流程分为三步：首先，解析用户指令和可选的自然语言偏好（如优先低延迟或避免网络搜索）；随后，展开推理并制定行动计划；最后，从候选工具中做出选择，并以统一的 JSON 格式发起调用。这个循环会持续，直到任务完成或达到 50 步上限。

在强化学习设计上，ToolOrchestra 采用多重奖励以保障高效完成任务：包括任务成败的二元奖励、效率奖励（关注成本与时间），以及用户偏好奖励。多维信号共同作用，促使策略更灵活、更省时省钱地使用工具。

在多项基准测试中，Orchestrator-8B 表现亮眼。例如，在“人类最后的考试”中，准确率达到 37.1%，超过 GPT-5 的 35.1%。效率方面，Orchestrator-8B 的平均成本仅 0.092 美元、用时 8.2 分钟，明显低于 GPT-5 的 0.302 美元与 19.8 分钟。这说明它在资源利用与任务处理上更占优，适合关注效率和成本的团队。

总体来看，NVIDIA 的 ToolOrchestra 为构建复合 AI 系统迈出关键一步，通过训练专用的路由策略，显著提升了任务执行的效率与准确性。

论文：https://arxiv.org/pdf/2511.21689

划重点:  

🧠 Orchestrator-8B 是 NVIDIA 推出的 8 亿参数小型控制器，专注提升多工具使用效率。  

💡 借助强化学习，它能更聪明地挑选并调用工具，避免不必要的开销。  

📊 多项基准显示，它在准确率与效率上都比传统大模型（如 GPT-5）更优。