arXiv cs.CL· Xiaohan Wang, Haozhen Zhang, Qingyuan Liu, Tao Feng, Wenya Wang·· 3 天前AI 评分26
RouteWeaver：将模式选择与执行编织进统一 LLM 路由
RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing
AI 导读
RouteWeaver 是一个统一 LLM 路由框架，用单一策略整合单轮、多轮与智能体等路由模式，联合学习模式选择与模式内模型选择。其配套的 COMET-GRPO 将轨迹级优势拆分为模式选择与模式内执行两个信号，并引入渐进式探索，让路由器先学会执行各模式再决定何时使用。
正文 · AI 翻译
摘要：LLM 路由动态地在不同任务间选择并协调异构语言模型。然而，现有方法大多围绕预定义的执行范式构建，例如单轮、多轮或智能体路由，这固定了模型调用的组织方式，限制了对不同查询需求的适应能力。我们提出 RouteWeaver，一个统一的路由框架，将上述路由模式集成在单个 LLM 策略中，联合学习使用哪种模式以及在该模式内如何选择模型。为了联合优化模式选择与模式内执行，我们开发了 COMET-GRPO（COordinated Mode-Execution Training，协调模式-执行训练），它将轨迹级优势解耦为模式选择和模式内执行的独立信号，从而能够对每个决策层级进行更有针对性的信用分配。我们进一步引入渐进式探索，它使训练从外部指定的模式逐步过渡到自主选择，使路由器在决定何时使用每种模式之前，先学会如何执行每种模式。我们在数学、编程、知识、逻辑推理和事实回忆方面评估 RouteWeaver。RouteWeaver 实现了 61.4% 的平均准确率，相比最强基线相对提升 11.03%，并在全部五个领域均优于所有对比基线。消融实验表明，COMET-GRPO 和渐进式探索对自适应路由都很重要；如果没有渐进式探索，路由策略会完全坍缩为单轮执行。
| 评论： | 提交至 ICLR 2027 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.19705 [cs.CL] |
| （或 arXiv:2610.19705v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19705 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiaohan Wang [查看邮箱]
[v1]
2026年10月14日星期三 07:33:05 UTC（2,987 KB）
来源：arXiv cs.CL · arxiv.org