10月 25 2026 0 小規模LLMを強化学習で鍛え、ツール選択を別領域・別検索器へ転移 投稿者: 亜美と智也のAI論文解説 編集部 10,000超のツールから必要なものを選ぶ問題に対し、Qwen3（1.7B/4B/8B）をSFT＋RLで訓練し、指示をサブステップに分解→外部検索器で候補取得→必要ツールを選択するPlan–Retrieve–Selectを学習させる研究。