研究人员提出了 Agora，这是一个框架，采用激励相容的拍卖机制，为大语言模型代理在多样化的专家模型和工具之间动态分配任务。

  • Agora 将推理步骤视为可交易物品，允许代理根据修正后的能力而非过度自信进行竞价。
  • 该系统解决了现有框架的局限性，这些框架依赖于粗粒度匹配，同时忽略了性能变异性和成本效率。
  • 在五个基准测试中的评估表明，在可比候选池下，Agora 优于匹配的单一模型、路由和级联基线。
  • 该框架通过单个拍卖参数暴露了可控的成本-质量权衡。

这种方法使关键逻辑能够路由到最强大的求解器，在管理成本的同时提高整体推理能力。