Les chercheurs proposent Agora, un cadre qui emploie un mécanisme d'enchées compatible avec les incitations pour allouer dynamiquement des tâches à des modèles experts et des outils pour les agents de grands modèles de langage.
- Agora traite les étapes de raisonnement comme des éléments échangeables, permettant aux agents d'enchérir sur la base d'une compétence rectifiée plutôt que d'un excès de confiance.
- Le système dirige la logique critique vers le solveur le plus capable en tenant compte de la variabilité des performances et de l'efficacité du coût parmi les alternatives fonctionnellement similaires.
- Les évaluations sur cinq benchmarks démontrent qu'Agora surpasse les bases de référence à modèle unique, de routage et en cascade appariées sous des pools de candidats comparables.
- Le cadre expose un compromis coût-qualité contrôlable via un seul paramètre d'enchère.
Cette approche comble les limites des cadres existants qui reposent sur une correspondance grossière, offrant des capacités de raisonnement et une efficacité améliorées pour les agents LLM.