EvoRouter 提出多智能体路由框架，推理成本降低约五成
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的路由难题
用多智能体系统承接大规模网络查询时，需要同时确定使用哪些大语言模型、采用何种协作模式、投入几个智能体、进行几轮交互以及启用哪些技能。这些选项叠加后，配置空间呈组合式膨胀。与此同时，执行阶段得到的奖励十分稀疏，难以为彼此依赖的规划决策提供细粒度监督，路由器因此很难判断某一组配置选择究竟好在哪里、代价又花在哪里。
洞察与蒸馏如何配合
EvoRouter 引入一个专门的专家模型，它定期从跨任务的配置轨迹中提炼性能与成本反馈，形成可复用的条件路由洞察，内容涉及任务对能力的要求、扩大资源投入能换回多少收益，以及不同配置选项之间的相互影响。一个特权教师模型把这些不断演进的洞察与当前执行反馈结合起来，通过在线策略蒸馏，对路由器自身产生的规划轨迹给出 token 级稠密监督，弥补稀疏奖励留下的监督空白。
成本约束与自我改进
在蒸馏信号之外，成本感知强化学习把任务表现与计算开销放在一起优化，使路由策略在追求准确率的同时顾及算力支出。两类训练信号共同作用，把执行中积累的经验内化进路由策略；更新后的策略又会产生新的轨迹，供后续洞察提取使用，从而构成由执行驱动的自我改进循环，让路由能力随运行持续演化，而不是停留在一次性训练的结果上。
评测结果与开放情况
评估覆盖五个领域的 19 个域内数据集，另加两个域外基准。EvoRouter 的域内平均准确率达到 68.69%，比最强的路由基线高出 7.23 个百分点，同时推理算力成本下降 50.95%。论文共 13 页，含 12 幅图和 4 张表，代码已开源。
为什么值得看
多智能体系统配置空间组合爆炸、奖励稀疏，该工作给出可复用的路由训练范式，并同时报告准确率与算力成本两项指标。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。