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
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- 爆料称 DeepSeek 因梁文锋拒早押 Agent 转向,痛失 AI4Math 领先位 — teortaxesTex · 2026-10-27