研究人员提出了 Agora，这是一个框架，采用激励相容拍卖机制为大型语言模型代理动态分配任务给专家模型和工具。

  • Agora 将推理步骤视为可交易物品，允许代理基于校正后的能力而非过度自信进行竞价。
  • 该系统通过考虑功能相似替代方案之间的性能变异性和成本效率，将关键逻辑路由给最强大的求解器。
  • 在五个基准测试中的评估表明，Agora 在可比候选池下优于匹配的单模型、路由和级联基线。
  • 该框架通过单个拍卖参数暴露可控的成本质量权衡。

这种方法解决了现有框架依赖粗粒度匹配的局限性，为 LLM 代理提供了增强的推理能力和效率。