NVIDIA Research提出一种创新方法，通过训练小型“协调器”（orchestrator）模型来高效解决复杂任务，显著提升AI代理的性能与成本效益。该方法的核心思想是：用一个小型专门模型作为“总指挥”，统筹调度大型语言模型和各类工具，根据用户需求（如速度、成本、精度）动态决策，实现智能任务分解与执行。 这一方法名为ToolOrchestra，包含数据生成、多目标强化学习训练和全面评估。研究发现，即使仅80亿参数的小模型，只要经过适当训练，也能胜任协调任务。其优势在于：小模型因知识有限，反而更专注问题本质，避免“大模型式”的冗余推理。 实验表明，NVIDIA训练的Orchestrator-8B在“人类末日考试”（HLE）、FRAMES和τ²-Bench等高难度基准测试中，全面超越GPT-5、Claude Opus 4.1、Llama-3.3-70B等大型模型，不仅准确率更高，且成本更低、响应更迅速。即使在对话轮次受限的情况下，Orchestrator-8B仍保持领先。 训练过程极为高效：仅用552个合成问题、1296个提示，配合Qwen3-8B作为基础模型，即可构建出高性能协调器。整个流程包括：选择合适的小模型、生成合成数据、使用强化学习进行多目标优化，以及通过wandb可视化训练过程。 该方法的意义在于，它将AI系统从“单一大模型+提示工程”的模式，转向“小协调器+大工具+大模型”的协同架构。这不仅大幅降低资源消耗，还使系统更灵活、安全、可扩展。NVIDIA认为，这标志着AI正从“单体智能”向“复合智能系统”演进，而小型语言模型将在未来可扩展的AI代理中扮演关键角色。