港大&英伟达发布Orchestrator-8B：8B参数打造编排模型新标杆，HLE基准测试超越GPT-5，效率提升2.5倍。

Orchestrator-8B 是一种最先进的 8B 参数编排模型，旨在通过协调各种专家模型和工具来解决复杂的多轮代理任务。

在“人类最后的考试”（HLE）基准测试中，ToolOrchestrator-8B 的得分为 37.1%，超过了 GPT-5（35.1%），效率也提高了约 2.5 倍。

主要特点

• 智能编排：能够管理异构工具集，包括基本工具（搜索、代码执行）和其他 LLM（专用和通用）。
• 多目标强化学习训练：通过组相对策略优化 (GRPO) 进行训练，采用新颖的奖励函数，优化准确性、延迟/成本和对用户偏好的遵循度。
• 效率：与整体式前沿模型相比，在显著降低计算成本的同时，实现了更高的精度。
• 强大的泛化能力：能够泛化到未见过的工具和定价配置。
  

unsetunset相关链接unsetunset

• 论文：https://arxiv.org/pdf/2511.21689
• 代码：https://github.com/NVlabs/ToolOrchestra
• 模型：https://huggingface.co/nvidia/Orchestrator-8B

unsetunset介绍unsetunset

论文提出一种名为 ToolOrchestrator 的方法，用于训练小型协调器，以协调智能工具的使用。通过同时使用工具和专用模型，ToolOrchestrator 的性能超越了 GPT-5，效率也更高。给定一个任务，协调器会在推理和工具调用之间交替进行多次迭代以解决问题。协调器可以与多种工具集交互，包括基础工具（例如，网络搜索、代码解释器）、专用逻辑学习模型（例如，编码模型、数学模型）和通用逻辑学习模型（例如，GPT-5、Llama-Nemotron-Ultra-253B、Claude Opus 4.1）。在训练过程中，协调器通过端到端强化学习，根据结果、效率和偏好奖励进行联合优化。为了辅助强化学习训练，论文开发了一个自动化流程，可以大规模地合成环境和工具调用任务。

unsetunset方法概述unsetunset

利用 ToolOrchestra 开发了 Orchestrator-8B，这是一款先进的 8B 参数编排模型，旨在通过协调多种专家模型和工具来解决复杂的多轮智能体任务。在 HLE 测试中，Orchestrator-8B 的得分为 37.1%，优于 GPT-5（35.1%），效率更是其 2.5 倍。在 τ2-Bench 和 FRAMES 测试中，Orchestrator-8B 的性能远超 GPT-5，而成本仅为其约 30%。

unsetunset基准unsetunset

在“人类最后的考试”测试中，Orchestrator-8B 的准确率达到 37.1%，超越了 GPT-5（35.1%），而成本仅降低了 30%，速度却提升了 2.5 倍。在 FRAMES 和 τ²-Bench 测试中，Orchestrator-8B 的表现始终优于强大的单体系统，展现出其灵活的推理能力和强大的工具编排能力。

Orchestrator-8B 在 HLE 上始终优于 GPT-5、Claude Opus 4.1 和 Qwen3-235B-A22B，且成本更低。

unsetunset模型详情unsetunset

• 开发单位：NVIDIA & 香港大学
• 型号类型：仅解码器变压器
• 基础型号：Qwen3-8B
• 参数：8B
• 语言：英语
• 许可：NVIDIA 许可
• 型号版本：1.0

训练数据集：

• GeneralThought-430K：https://huggingface.co/datasets/natolambert/GeneralThought-430K-filtered
• ToolScale：https://huggingface.co/datasets/nvidia/ToolScale

unsetunset结论unsetunset

ToolOrchestra 的方法是用于训练一个小型编排模型，以统一各种工具和专用模型。利用强化学习对 Orchestrator 进行端到端训练，结果表明，该模型能够学习规划自适应的工具使用策略，这些策略以结果质量、效率和用户偏好奖励为指导。这使得智能体能够动态地平衡性能和成本，而不是依赖静态启发式方法或纯粹的监督学习方法。为了辅助强化学习，论文还贡献了一个复杂的用户-智能体-工具合成数据集 ToolScale。在具有挑战性的基准测试上的实验表明，Orchestrator-8B 模型在显著降低成本的同时，实现了最先进的性能，优于规模更大的模型。