แท็ก

#function calling

2 บทความ

Needle 2: โมเดล 45M พารามิเตอร์ในไฟล์ 14MB เรียก tool ได้บนไมโครคอนโทรลเลอร์ — แต่ตารางเบนช์มาร์กของมันเองบอกว่ายังแพ้รุ่นพี่ในหลายข้อ
โมเดลใหม่

Needle 2: โมเดล 45M พารามิเตอร์ในไฟล์ 14MB เรียก tool ได้บนไมโครคอนโทรลเลอร์ — แต่ตารางเบนช์มาร์กของมันเองบอกว่ายังแพ้รุ่นพี่ในหลายข้อ

Cactus Compute ปล่อย Needle 2 เมื่อ 10 ส.ค. 2026 — โมเดล 45M พารามิเตอร์ที่บีบเป็นไบนารีเดียวขนาด 14MB ใช้ RAM ตอนทำงาน 28MB และรันได้ถึงระดับ ESP32 น้ำหนัก Apache-2.0 โค้ด MIT แต่ตารางเบนช์มาร์กในโมเดลการ์ดเองแสดงว่ามันแพ้ LFM2.5 230M และ Apple FM บน BFCL v4 ชัดเจน

· อ่าน 7 นาที
ToolFailBench: งานวิจัยชี้ 'คะแนนรวม' ปิดบังว่าเอเจนต์ล้มเหลวเรื่อง tool use อย่างไร — แยกโหมดพัง 4 แบบ โมเดลเก่งสุดยังทำ Clean Tool-Use ได้แค่ 86%
งานวิจัย

ToolFailBench: งานวิจัยชี้ 'คะแนนรวม' ปิดบังว่าเอเจนต์ล้มเหลวเรื่อง tool use อย่างไร — แยกโหมดพัง 4 แบบ โมเดลเก่งสุดยังทำ Clean Tool-Use ได้แค่ 86%

เบนช์มาร์กใหม่ ToolFailBench (1,000 งาน, 5 โดเมน, 19 โมเดล) แยก 'ความล้มเหลวเรื่องเครื่องมือ' ของเอเจนต์ออกเป็น 4 โหมด แทนคะแนนรวมก้อนเดียว พบว่าโมเดลเก่งสุดยังทำ Clean Tool-Use Rate ได้แค่ 86.33% — และโมเดลที่คะแนนรวมใกล้กันกลับพังคนละแบบ Llama-3.1 มีนิสัย 'เรียกเครื่องมือตลอด'

· อ่าน 5 นาที