DynaGraph：通过动态拓扑重构的轻量级多模型交互框架

处理复杂的推理任务通常依赖于大量的单片 LLM，它存在严重的计算冗余。虽然通过结构化管道或多代理协作进行任务分解提供了一种替代方案，但这些方法不可避免地陷入了一个严重的困境：预定义的静态拓扑非常容易受到级联错误的影响，而不受约束的动态代理则遭受轨迹发散和不可预测的内存膨胀的困扰。为了解决这个问题，我们提出了 DynaGraph，一个由动态拓扑重新配置驱动的轻量级多模型框架。在执行层面，DynaGraph 在共享基础模型上复用时分 PEFT 适配器，从而在单个消费级 GPU 上实现完整的系统训练和推理部署。在路由级别，评估器持续监控执行信心以触发分层自我修复：针对局部数据缺口的细粒度修补和针对严重逻辑断裂的子图重建。 StrategyQA、MATH 和 FinQA 上的实验表明，我们的 8B 模型非常接近 72B 整体模型的推理能力（例如，StrategyQA 为 87.6%，MATH 为 82.7%）。此外，与无约束的动态架构相比，它可将延迟减少高达 68.1%，将词元消耗减少 68.6%。