EvolveRouter：共同进化路由和多代理问答提示

大语言模型 代理通常表现出互补的优势，使得路由成为多代理问答的有前途的方法。然而，现有的路由方法在两个重要方面仍然受到限制：它们通常在固定的代理池上进行优化，而不改进代理本身，并且它们通常依赖于严格的协作方案，而这些方案无法使参与代理的数量适应查询。我们提出了 EvolveRouter，这是一个可训练的框架，通过共同提高代理质量和协作结构来解决这两个限制。首先，EvolveRouter 将基于图的查询路由与闭环协同进化过程中的目标指令细化相结合，允许路由器诊断指导代理改进，同时细化代理为路由提供更清晰的监督。其次，它引入了一种自适应推理策略，通过路由器加权应答协议动态确定每个查询的有效协作大小。这些设计共同实现了更强大、更高效的多智能体推理。对五个问答基准的实验表明，EvolveRouter 在 F1 和精确匹配方面始终优于 SOTA 路由基准，而进一步的分析证实了闭环细化和自适应协作的优势。