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
- huggingface_hub 2.3.0 发布：百万文件列取从分钟级降到 20 秒 — lhoestq · 2026-10-27
- Anthropic 官方建议：模型变强了，别再滥用 subagent — rseroter · 2026-10-27
- Nous Research 发布 Advanced Delegation 插件，子智能体可按任务选模型 — NousResearch · 2026-10-27
- 不上 X 的牙医邻居玩转 Codex，编程门槛正在消失 — gabrielchua · 2026-10-27
- AutoResearch agent 跑出叉形损失曲线，研究者深挖出「forking」现象 — ZimingLiu11 · 2026-10-27
- 斯坦福 PaperFormalizer：把论文自动转成 Lean 验证版本 — StanfordUniversity · 2026-10-27