code-act

本文介绍了一种针对在FHIR医疗数据上运行的工具调用LLM代理的强化学习后训练流水线，在使用较小的Qwen3-8B模型时，在FHIR-AgentBench上达到了77%的答案正确率，而o4-mini仅为50%。

本文探讨了 AI 工程中 ReAct 和 CodeAct 两种编排范式的利弊，强调了 CodeAct 在处理复杂任务时的高效性，并介绍了一个新的开源框架。