研究提出 9 种策略为多 LLM 协作选模型，最优可超随机 36.1%
shangbinfeng · x · 2026-10-23
华盛顿大学研究者 Shangbin Feng 团队研究多 LLM 系统中的模型选择问题：面对 200 万+开源模型，该给协作团队「招」谁？
- 提出并系统评估 9 种选择策略：从基于描述的多样性、项目反应理论（IRT）与个体性信号，到会「面试」候选模型的 LLM 招聘官式选择器
- 在两个候选池（10 个专用 qwen 模型、32 个社区贡献模型）中，选 4 个模型组队，通过 prompt routing、multi-agent refine、DARE-TIES 合并、LLM-Blender 协作，任务覆盖数学、代码、真实性等
系列推文还展示了更多结论，见后续帖子。
所属事件:研究提出能力感知选模型策略，多 LLM 协作最多提升 36.1%(4 条相关)→
「研究」频道最新
- 仅 1 克！无线微型显微镜实现自由活动小鼠全皮层单细胞成像 — KordingLab · 2026-10-23
- Mike Frank 抛出超导可逆计算难题:能否用无偏置约瑟夫森结凑齐 BARCS 通用原语集 — MikePFrank · 2026-10-23
- Arc Institute 用基因组语言模型绘制原核非编码序列图谱 — tedgreenwald · 2026-10-23
- 同行评审的 AI 化：审稿人终于「进入附录」了 — abursuc · 2026-10-23
- Anthropic 用 Claude 为 100+ 开源库写下汇编级安全形式化证明 — AnthropicAI · 2026-10-23
- 研究：Agent 面试式筛选可过滤错位模型，团队保持 81-83% 干净 — shangbinfeng · 2026-10-23