arXiv cs.AI· Xing Zhang, Guanghui Wang, Yanwei Cui, Mengdie Flora Wang, Peiyang He·· 10 天前AI 评分30
UnitBoost：用合并算子而非模型来管理复合 LLM 系统
UnitBoost: Managing Compound LLM Systems with a Merge Operator, Not a Model
AI 导读
UnitBoost 提出用定义好的元级算子替代复合 LLM 系统中的生成式管理者模型：任务给定的 unit map 将 worker 输出转为槽值提案，受限 argmax 完成组装，未填充或不支持的槽位成为下一轮的显式残差。
正文 · AI 翻译
摘要：复合 LLM 系统通常通过添加一个更高层级的 LLM 来解决协调问题。由此产生的元智能体读取工作节点的输出、撰写最终答案、分配后续调用，并决定何时停止。这种方式表达力强，但也将三项控制决策集中在一个不透明、对顺序敏感的模型调用中。我们追问：管理者是否真的需要具备生成能力？UnitBoost 用定义明确的元级算子取代了该模型：任务给定的单元映射将工作节点输出转化为槽位-值提议，受约束的 argmax 组装输出，而未填充或不受支持的槽位则成为下一轮的显式残差。该算子与顺序无关，记录单元来源，并给出一个简单保证：在无耦合约束时，相同准入分数下的逐单元最大化优于对任何完整候选的选择。在三个留出基准上，它比用金标签选出的最佳单一候选高出 0.060–0.195 个绝对任务分数点，比输入匹配的生成式管理者高出 0.048–0.076。仅替换管理步骤即可将六种复合系统配置提升 0.013–0.182。残差导向的轮次将 FanOutQA 单元 F1 从 0.4778 提升至 0.5524；匹配对照表明，真实残差优于随机目标和普通重读，而无标签供给信号在一轮无产出后即标记耗尽。同一分析还度量了无法获得此类增益的三种情形（一个不可分割单元、单元身份不可用，以及按每个发出单元计费的端点），并将跨单元耦合量化为修复成本。管理者放弃了语义自由，换来了顺序不变性、单元来源和可检验的失败条件。
| 评论： | 被 NeurIPS 2026 管理智能体的智能体研讨会接收 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2609.09815 [cs.AI] |
| （或此版本的 arXiv:2609.09815v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.09815 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Xing Zhang [查看电子邮件]
[v1]
2026年9月9日星期三 07:17:23 UTC（120 KB）
[v2]
2026年10月6日星期二 09:57:55 UTC（121 KB）
来源：arXiv cs.AI · arxiv.org