# 同一套编排骨架，换 GPT-4o 只多 5.8 分，训练 7B 决策节点却多出 17.2 分

> 原标题：换 GPT-4o 只多 5.8 分，训练 7B 却多了 17.2 分

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-09-04T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/54940
- 原文：https://yage.ai/share/agentflow-trainable-decision-node-20260904.html

## 摘要

Stanford 等机构合作的 AgentFlow 论文在相同编排骨架下比较决策节点的三种改法：冻结的 Qwen2.5-7B 基线六个基准平均 38.5 分，换成 GPT-4o 为 44.3 分，用 GPT-4o 轨迹做 SFT 反而掉到 19.5 分，而让 7B 决策节点在真实工具反馈中在线训练达到 55.7 分。

## 推荐理由

斯坦福等机构的 AgentFlow 论文在同一编排骨架下对比决策节点的三种改法，换 GPT-4o 只多 5.8 分，在线训练的 7B 节点多出 17.2 分。

## 锐评

SFT 抄 GPT-4o 轨迹掉到 19.5 分，这个数比 55.7 分更值钱。agent 每一步都踩在上一步工具返回的新状态上，模仿别人的动作序列学不会处理自己的意外，长程规划上这条基本是死路。在线训练多 17.2 分我信，但论文只给了 8 张 A100，训练时长、工具等待的闲置、GPT-4o 裁判的账单一个没提。调用量大的稳定业务可以算这笔账，低频长尾的别碰。
