CERA-MoA：协同进化路由机制与持续学习的LLM代理

Hugging Face Daily Papers 论文
llm-agents mixture-of-agents reinforcement-learning routing-mechanisms continual-learning efficiency

摘要

CERA-MoA介绍了一个协同进化框架，用于混合代理系统，该框架使用强化学习动态路由查询并调整代理能力，从而提升任务性能和效率。

当前的混合代理（MoA）范式通常将查询路由和代理微调视为分离的过程，限制了它们对不断变化的代理能力作出响应的能力。这种脱节导致路由策略无法在训练后适应不断变化的代理能力，并且无法使代理实现协同的数据驱动专业化。为了解决这个问题，我们引入了CERA-MoA（协同进化路由器与持续学习代理的混合代理框架），这是一个迭代强化学习框架，其中动态路由器和独立代理策略协同进化。我们设计了一个预测熟悉度估计器，利用中间层隐藏状态来评估代理之间的语义能力，避免完整回滚的开销。基于这些熟悉度分数，一个累积阈值自适应路由机制动态激活一个定制的最小代理子集，实现任务性能和效率之间的权衡。通过根据代理不断变化的能力主动分配针对性的训练样本，CERA-MoA促进了能力分化。跨多个领域的广泛实验表明，CERA-MoA优于最先进的静态代理路由和固定工作流微调基线。
查看原文
查看缓存全文

缓存时间: 2026/09/17 14:54

论文页面 - CERA-MoA：与持续学习的LLM智能体共同进化的路由机制

来源：https://huggingface.co/papers/2609.18779

摘要

当前的多智能体混合（MoA）范式通常将查询路由与智能体微调视为独立过程，这限制了其对不断演化的智能体能力的响应能力。这种脱节使得路由策略无法在训练后阶段适应智能体能力的演化，也阻碍了智能体实现协同的数据驱动专业化。为解决此问题，我们提出了CERA-MoA（与持续学习智能体共同进化的路由器），这是一个迭代式强化学习框架，其中动态路由器与独立的智能体策略协同演化。我们设计了一个预测性熟悉度估计器，利用中间层隐藏状态评估智能体间的语义能力，避免了全量推演的开销。基于这些熟悉度分数，累计阈值自适应路由机制动态激活一个定制化的最小智能体子集，在任务性能与效率之间取得平衡。通过根据智能体不断演化的能力主动分配定向训练样本，CERA-MoA促进了能力分化。在多个领域的广泛实验表明，CERA-MoA超越了静态智能体路由与固定工作流微调的最先进基线方法。

查看arXiv页面 (https://arxiv.org/abs/2609.18779) 查看PDF (https://arxiv.org/pdf/2609.18779) GitHub0 (https://github.com/michaeljiang0530/CERA-MoA) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.18779)

通过你的智能体获取此论文：

hf papers read 2609\.18779

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型1

mj0530/CERA-MoA-Qwen3-4B-4agents 文本生成• 约3小时前更新 • 1 (https://huggingface.co/mj0530/CERA-MoA-Qwen3-4B-4agents)

引用本文的数据集0

无数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2609.18779以从此页面链接。

引用本文的Space0

无Space链接此论文

在Space README.md中引用arxiv.org/abs/2609.18779以从此页面链接。

包含本文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection)以从此页面链接。

相似文章

MERA：面向大规模智能体系统的模型演化与技能自适应路由

arXiv cs.LG

MERA 提出了一种面向 LLM 智能体的多周期自适应方法，通过将执行验证的演示蒸馏到 SkillBook 并对 LoRA 适配器进行微调来改进小模型，并采用基于路由器的部署和验证器支持的回退。实验表明，Qwen2.5-Coder-1.5B 在 HumanEval++MBPP 上的通过率从 28.7% 提升至 49.7%，同时以更低的成本保留了大部分质量。