Mixture-of-Models：通过N-Way自我评估式协商统一异构智能体

本文提出N-Way自我评估式协商（NSED）协议，这是一种运行时Mixture-of-Models（MoM）架构，能够从多个不同的专家智能体构建涌现式复合模型。与依赖静态门控网络的传统Mixture-of-Experts（MoE）不同，NSED采用动态专长代理（Dynamic Expertise Broker）——一个运行时优化引擎，它将模型选择视为背包问题的一种变体，依据实时遥测数据和成本约束将异构checkpoint绑定到功能角色上。在执行层，我们将协商形式化为宏观尺度的循环神经网络（RNN），其中共识状态通过语义遗忘门回路反馈，从而在不按比例增加显存的情况下实现迭代改进。关键组件包括用于无需信任的N对N同行评审的编排架构、用于非线性共识的Quadratic Voting激活函数，以及反馈驱动的状态更新。在具有挑战性的基准（AIME 2025、LiveCodeBench）上的实证验证表明，这种拓扑结构使小型（低于20B）消费级模型的集成能够匹敌甚至超越最先进的100B+参数模型的性能，确立了新的硬件套利效率前沿。此外，在DarkBench安全套件上的测试揭示了内在的对齐特性，同行中介的纠错将谄媚（sycophancy）分数降低到低于任何单个智能体的水平。