El artículo propone el enrutamiento agénico nativo de Harness, un paradigma a nivel de paso que selecciona modelos basándose en el estado completo del entorno de ejecución (execution harness) en lugar de optimizar los compromisos costo-calidad de una sola vuelta. Este enfoque trata cada decisión de enrutamiento como un registro de datos estructurado para formar un ciclo de datos nativo de Harness, donde las trazas de ejecución entrenan mejores enrutadores y modelos.
- El sistema se instancia en OpenSquilla mediante una pila de enrutamiento de cuatro capas, un clasificador LightGBM de inicio en frío abierto y una ruta de enrutador-modelo escalonada.
- Permite seleccionar un único modelo mejor ajustado para una ejecución rentable o múltiples modelos complementarios para mejorar la precisión al estilo de conjunto.
- El informe evalúa el enrutamiento de modelo único y multi-modelo en benchmarks agénicos que incluyen DRACO y PinchBench.
Los autores argumentan que el enrutamiento agénico sirve como motor de datos para el entrenamiento nativo de agentes, mejorando los compromisos costo-calidad al generar más trazas bajo el mismo presupuesto.