DeepMind：有效模型路由不只看准确率
dair_ai · x · 2026-07-14
这条帖子在介绍 Google DeepMind 关于“有效模型路由”的新研究。
核心观点是：LLM router 的好坏不能只看 accuracy 和 cost。原因有两个：
- 如果被路由的模型/专家行为都很像，那么路由本身其实没有意义，怎么分配都会差不多
- 如果同一个问题的不同表述会被分到不同专家，说明路由不稳定，分配结果没有可靠信号
研究主张用两个额外维度判断路由是否“真有效”：
- 行为差异性：路由对象之间是否真的有可区分的行为
- 对表述改写的稳定性：同一问题 paraphrase 后路由是否一致
实用上，这意味着做 mixture-of-agents 或 model routing 时，单看最终准确率可能会被“看起来很强但其实无意义”的 router 误导。
「编程与Agent」频道最新
- Codex 用户实测：Sol 搭配 Astra/Luna 子代理更省额度 — pvncher · 2026-09-11
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11