论文
GVS5H：具有基于账本控制的零样本自编排，可提高 LLM 编码性能
GVS5H: Zero-Shot Self-Orchestration with Ledger-Based Control for Improved LLM Coding Performance
摘要
前沿编码性能通常是通过大型、昂贵的专有模型来实现的。我们引入了基于账本的零样本自编排（GVS5H），这是一种 无需训练 方法，其中一个模型的新实例分解问题并通过共享文件系统进行协调。在 100 个最新 LiveCodeBench 硬问题上的 11 个开放和封闭权重模型中，该方法产生了高达 25.6 个点的改进，将几个更便宜的模型提升到了前沿水平的性能。精心设计的 Qwen3.8 Flash Next 得分为 93.0%，而 Fable 5 的得分为 90.4%，成本仅为 9%，而较小的 Qwen3.8-27B 则达到 92.4%。收益并非普遍存在：某些模型没有变化，甚至更糟。转录分析将收益归因于分解和持久上下文。推理时间组织可以达到或超过前沿编码精度，而成本只是自托管权重的一小部分。