斯坦福与英伟达开源CLM-8B：缓存可复用动作，测试中最高比Jev快约9倍

VentureBeat报道，斯坦福与英伟达研究者发布对比语言模型CLM，面向智能体在固定工具或候选输出间做有界决策的场景。其CLM-8B不为逐token生成动作名，而是把当前状态与候选动作嵌入共享空间，再选最匹配者；对工作流中反复出现的同类决策，可缓存动作表示以免每次重算。零样本测试覆盖电脑使用、游戏与工具调用：相对TypeSafe的Jev，CLM-8B最高约快9倍，并在两项游戏任务上成功率相当；在BFCL v4工具调用基准上为95.2%对Jev的99.2%，WikiRacing完成26/30对30/30。训练分三阶段：约六千万问答对、约三千万合成难负例，再以约一百万条智能体轨迹微调；底座为冻结的Qwen3-8B，状态与动作分设投影头，并用InfoNCE对比学习。发布模型支持选项选择、是否概率、有序打分与任意候选排序，可用于工具路由、工单分流等。团队提出可用大型推理模型生成与推理，用CLM低成本筛选、校验与监控输出。