斯坦福团队最新提出的AgentFlow框架，通过在线强化学习技术，让仅7B参数的小模型在多项任务表现上超越GPT-4o等超大模型。
该框架采用四智能体协作设计，核心创新Flow-GRPO算法可实现“边做边学”的实时优化。实验显示，基于Qwen-2.5-7B的AgentFlow在搜索、数学、智能体等任务上提升显著，部分任务表现甚至优于大50倍的模型。
研究证明：合理系统设计比单纯扩大参数更有效。
斯坦福团队最新提出的AgentFlow框架，通过在线强化学习技术，让仅7B参数的小模型在多项任务表现上超越GPT-4o等超大模型。
该框架采用四智能体协作设计，核心创新Flow-GRPO算法可实现“边做边学”的实时优化。实验显示，基于Qwen-2.5-7B的AgentFlow在搜索、数学、智能体等任务上提升显著，部分任务表现甚至优于大50倍的模型。
研究证明：合理系统设计比单纯扩大参数更有效。