Google DeepMind 研究模型路由：不只看准确率，还看稳定性
burkov · x · 2026-07-21
一篇来自 Google DeepMind 的新论文研究了：当系统要在多个语言模型或 agent 之间路由请求时，怎样判断路由是否真的有意义。
作者提出两个量化指标：一个衡量模型在不同任务上的行为差异，另一个检查在不改变语义的前提下——例如拼写错误、改写、加入无关文本——路由决策是否稳定。实验显示，少于 10 个精心挑选的模型就能保留大部分有用的行为多样性；而近邻路由虽然准确率高，却可能对措辞微小变化非常敏感。基于模型描述的路由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)→
「研究」频道最新
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11