论文《You're Hired》：能力感知选模型，多 LLM 团队最多提升 36.1%
shangbinfeng · x · 2026-10-23
线程的论文收尾：《You're Hired: Strategic Model Selection for LLM Collaboration》（arXiv:2609.38816，Zongwan Cao、Shangbin Feng 等，华盛顿大学）。
- 问题：多智能体/多模型协作算法兴起，但现有系统受限于预定义、手工搭建的模型池，缺乏系统性的模型选择方法
- 方法：提出并系统评估 9 种选择算法的分类体系，覆盖模型描述多样性、能力感知的行为多样性、基于 LLM 的「招聘官」等
- 实验：10 与 32 模型两个候选池 × 4 种协作算法，任务覆盖数学、编码、QA 与推理
- 结论：成功的选择算法最多比随机/启发式组队（如只挑个体分数最高的模型）好 36.1%；能力与训练驱动的选择策略能消除选择方差，推荐在部署多 LLM 系统前使用；基于与候选模型实际交互的选择器还能稳健过滤错位、不安全模型，并泛化到分布外新任务
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)→
「编程与Agent」频道最新
- PHP 爆两个未认证 RCE 漏洞，ProjectDiscovery 推全网免费告警服务 — cyb3rops · 2026-10-23
- Modal 开源 Spindle：Tinker 兼容自托管训练服务器，按 GPU 计费替代按 token 计费 — josh_wills · 2026-10-23
- 用 Cosmos DB Agent Kit 复查 Claude 写的 Azure 应用,实测能省多少 RU — adnan_hashmi · 2026-10-23
- 开发者弃用聊天线程，改用可视化面板管理多个 AI Agent — Salmaaboukarr · 2026-10-23
- Warp 用计算机操作工具解决编码 Agent 验证瓶颈，合并周期大幅缩短 — vikvang1 · 2026-10-23
- 模型会执行不会定目标:agent 瓶颈正转向目标设定 — alishbaimran_ · 2026-10-23