Google Research 将模型路由变成可度量的多样性与稳定性问题
burkov · x · 2026-07-21
- 这篇 Google Research 新论文研究的是：当系统在多个语言模型或 agent 之间做路由时，应该怎么评价“路由器”。
- 作者认为，只看准确率和成本有两个盲点：一是有些模型行为太像，路由意义不大；二是同一句话做轻微改写后，路由结果可能大变。
- 论文提出两个可测量指标：一个衡量不同模型之间的行为差异，另一个衡量在错别字、改写、加入无关文本等语义不变编辑下的路由稳定性。
- 实验显示，精心挑选的不到 10 个模型，已经能保留大部分有用的行为多样性。
- 最近邻路由器往往准确但不稳定；基于模型描述的路由器在某些场景下准确率略低，但稳定性更好。
所属事件:Google DeepMind 新研究提出模型路由的多样性与稳定性评估指标(2 条相关)→
「模型」频道最新
- AI Sextet 活动:6 模型 14 天完全免费,含 DeepSeek/Qwen/GLM — airesearch12 · 2026-09-11
- Anthropic 发布迄今最详尽威胁情报报告:无人机蜂群滥用案例曝光 — soumitrashukla9 · 2026-09-11
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11