RouteMoA：无需预推理的动态路由，实现高效多智能体混合

来源：市场资讯

（来源：机器之心Pro）

本篇论文已被 ACL 2026 接收，主要作者来自上海交通大学自动化与感知学院 IWIN 中心团队。团队负责人为关新平教授，指导老师为陈彩莲教授和乐心怡教授，合作作者还包括南洋理工大学陶大程教授。其他作者来自腾讯、上海人工智能实验室、香港中文大学等机构。第一作者王骥泽为上海交通大学博士生，研究方向为大模型智能体。

近年来，大语言模型的发展，正在从 “单模型能力提升” 走向 “多模型协作”。这是一个很自然的方向：既然不同模型各有所长，有的擅长数学，有的擅长代码，有的更懂医学，那为什么不让它们协同起来，共同解决更复杂的问题？

Mixture-of-Agents（MoA）正是在这样的背景下提出的。它通过让多个模型并行生成、逐层交互、反复融合，往往能够得到比单一模型更强的结果。问题也很明显：性能提升的同时，成本和延迟也随之迅速上升。

在标准 MoA 中，每一轮通常都要调用多个模型，再基于它们的输出进行筛选和融合。但究竟该让哪些模型参与、哪些模型可以跳过，往往缺乏明确的选择机制。模型越多、层数越深，整体开销就越高，在大规模模型池场景下，系统效率和可扩展性都会面临很大挑战。

也正因如此，研究者开始尝试让 MoA 变稀疏。例如，一些方法如 Sparse MoA 会先让模型池中的所有模型生成回答，再通过额外的评审模型进行打分和筛选，只保留一部分模型进入后续协作。这样虽然减少了后续融合的负担，但本质上仍然绕不开一个问题：为了决定该选谁，系统还是得先让所有模型都推理一遍。

于是，这篇工作的核心问题就变得非常直接：我们真的需要先让所有模型都回答一遍，才能决定该选谁吗？

一句话总结：RouteMoA 的核心思想是，通过在推理前进行模型能力预测，避免对所有模型进行无效推理。

现有方法的问题：

效率瓶颈不在融合，而在全量推理

当前 MoA 系列方法的一个共同假设是：要判断哪个模型更好，必须先看到它的输出。因此，无论是经典 MoA，还是引入 judge 的 Sparse MoA，本质上都绕不开一个步骤：所有模型先推理 -> 再筛选 -> 再融合。

这带来两个问题：

第一，计算成本无法下降。即使最后只用少数模型，前面已经为所有模型付出了推理代价。

第二，难以扩展到大模型池。当模型数量增加时，全量推理会迅速变得不可承受，甚至超出上下文限制。

也就是说，瓶颈并不在 “如何选”，而在 “选之前已经太贵了”。

RouteMoA：

把 “选模型” 前移到推理之前

RouteMoA 的关键创新，是把模型选择从 “后验判断” 变成 “先验预测 + 轻量修正”。

整个流程可以分为三个步骤：

1. 先验筛选：不推理，也能判断谁更可能做对

RouteMoA 引入了一个轻量级 scorer，只根据用户 query，就预测每个模型的潜在表现。这个过程不需要调用大模型推理，只做一个粗粒度打分，把模型池缩小到一个潜力子集。本质上，这是在做一件过去被忽略的事情：用 query 本身的信息，提前判断模型能力匹配度。

2. 后验修正：用已有输出做低成本评审

初筛不可避免会有误差，因此 RouteMoA 引入了 mixture-of-judges：

关键在于：这些评估只基于已经生成的输出，不引入额外推理调用。也就是说，系统通过已有信息进行纠错，而不是再算一轮。

3. 综合排序：性能、成本、延迟一起优化

最终，RouteMoA 在模型选择时不仅仅考虑性能，而是同时考虑：

从而在实际系统中实现一个更接近工程最优的决策，而不是单纯追求 accuracy。

实验结果：

少花 90% 的钱，反而更强

在包含 15 个模型的大规模模型池实验中，RouteMoA 的结果非常直观：

这说明一件事：减少无效计算，不仅不会伤害性能，反而会让系统更专注于对的模型。

一个关键洞察：

多模型系统的本质是稀疏的

论文中一个非常重要的观察是：在绝大多数 query 上，真正关键的模型只占少数。只要初始阶段能把这些模型保留下来，后续协作就足以放大正确答案。实验中，scorer 在 Top-3 内命中正确模型的概率接近 98%，这意味着：系统并不需要看所有答案，只需要别漏掉对的模型。

进一步分析：

失败不在选错模型，而在融合阶段

一个很有意思的发现是，在失败案例中：

可见，多模型系统的瓶颈正在发生转移：从 “选谁来回答”，转向 “如何整合多个答案”。

总结：多模型时代，调度很重要

RouteMoA 的意义，并不只是一个更高效的 MoA 变体，而是提供了一种新的范式：

换句话说，随着多模型协作的兴起，系统层的调度与协同，正变得与模型能力同样重要。