論文の概要: RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing

• arxiv url: http://arxiv.org/abs/2610.19705v3
• Date: Mon, 19 Oct 2026 00:01:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.295289
• Title: RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing
• Title（参考訳）: RouteWeaver: 統一LLMルーティングへのウィービングモードの選択と実行
• Abstract要約: RouteWeaverは単一のLSMポリシ内にルーティングモードを統合する、統一的なルーティングフレームワークである。 我々は,モード選択とモード内実行のために,軌道レベルの優位性を分離したCOMET-GRPO(Coordinated Mode-Execution Training)を開発した。 RouteWeaverを数学、コーディング、知識、論理的推論、事実的リコールで評価する。
• 参考スコア（独自算出の注目度）: 61.66262511310359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM routing dynamically selects and coordinates heterogeneous language models across diverse tasks. However, existing approaches are largely built around a predefined execution paradigm, such as single-round, multi-round, or agentic routing, which fixes how model calls are organized and limits adaptation to different query needs. We propose RouteWeaver, a unified routing framework that integrates these routing modes within a single LLM policy, jointly learning which mode to use and how to select models within that mode. To jointly optimize mode selection and within-mode execution, we develop COMET-GRPO (COordinated Mode-Execution Training), which decouples the trajectory-level advantage into separate signals for mode selection and within-mode execution, enabling more targeted credit assignment to each decision level. We further introduce progressive exploration, which gradually shifts training from externally assigned modes to autonomous selection, so that the router first learns how to execute each mode before deciding when to use it. We evaluate RouteWeaver across mathematics, coding, knowledge, logical reasoning, and factual recall. RouteWeaver achieves an average accuracy of 61.4%, an 11.03% relative improvement over the strongest baseline, and outperforms all compared baselines in each of the five domains. Ablations show that both COMET-GRPO and progressive exploration are important for adaptive routing; without progressive exploration, the routing policy collapses entirely to single-round execution.
• Abstract（参考訳）: LLMルーティングは多様なタスクで異種言語モデルを動的に選択・調整する。 しかし、既存のアプローチは主に、シングルラウンド、マルチラウンド、エージェントルーティングといった事前定義された実行パラダイムに基づいて構築されており、モデル呼び出しの編成方法を修正し、異なるクエリ要求への適応を制限する。 単一 LLM ポリシにこれらのルーティングモードを統合する統一ルーティングフレームワークである RouteWeaver を提案する。 モード選択とモード内実行を協調的に最適化するために,モード選択とモード内実行のためにトラジェクトリレベルの優位性を分離したCOMET-GRPO(Coordinated Mode-Execution Training)を開発した。 さらに、外部に割り当てられたモードから自律的な選択へと徐々にトレーニングをシフトさせるプログレッシブ探索を導入し、ルータがいつ使用するかを決定する前に、まず各モードの実行方法を学ぶ。 RouteWeaverを数学、コーディング、知識、論理的推論、事実的リコールで評価する。 RouteWeaverの平均精度は61.4%で、最強のベースラインよりも11.03%向上し、5つのドメインで比較されたベースラインを上回っている。 アブレーションは、COMET-GRPOとプログレッシブ探索の両方が適応的なルーティングにとって重要であることを示しており、プログレッシブ探索なしでは、ルーティングポリシーは完全に単ラウンド実行に崩壊する。

関連論文リスト

• FlexRouter: Learning Complementary Model Sets for Flexible LLM Routing [71.04470934007537]
  既存のルーティングメソッドはLLMを独立してスコア付けし、上位$kのモデルを選択する。 これはモデル相関を無視し、厳格な計算予算を強制する。 モデリングを明示的にモデル化するルーティングフレームワークであるFlexを提案します。
  論文  参考訳（メタデータ） (2026-09-29T21:44:05Z)
• Pretrain Once, Route Anywhere: Towards a Foundation Model for LLM Routing [46.01380774114097]
  RouteFMは、行動コンテキストから匿名候補モデルを特徴づけることを学ぶ。 実験では、ドメイン、モダリティ、候補プール、コンテキスト予算の変更間の転送を実証する。
  論文  参考訳（メタデータ） (2026-09-29T12:23:58Z)
• CONCUR: A Framework for Continual Constrained and Unconstrained Routing [79.85419373937765]
  AIタスクは複雑さが異なり、異なる計算戦略で対処するのが最善である。 これまでのほとんどのメソッドは、すべての戦略で単一のモデルをトレーニングすることで、ルーティングフレームワークを構築していました。 制約付きルーティングと制約なしルーティングの両方をサポートする連続的なルーティングフレームワークであるCONCURを提案する。
  論文  参考訳（メタデータ） (2025-12-10T07:30:13Z)
• RCR-Router: Efficient Role-Aware Context Routing for Multi-Agent LLM Systems with Structured Memory [57.449129198822476]
  RCRは、マルチエージェント大言語モデル(LLM)システムのためのロールアウェアコンテキストルーティングフレームワークである。 役割とタスクステージに基づいて、各エージェントに対して意味的に関連するメモリサブセットを動的に選択する。 軽量スコアリングポリシは、メモリ選択をガイドし、エージェント出力を共有メモリストアに統合する。
  論文  参考訳（メタデータ） (2025-08-06T21:59:34Z)
• Router-R1: Teaching LLMs Multi-Round Routing and Aggregation via Reinforcement Learning [27.70756702796812]
  マルチLLMルーティングとアグリゲーションを逐次決定プロセスとして定式化する強化学習フレームワークである textbf Generalization-R1 を提案する。 学習を容易にするために,形式報酬と最終結果報酬と,性能とコストのバランスを最適化するための新たなコスト報酬からなる軽量なルールベース報酬を用いる。
  論文  参考訳（メタデータ） (2025-06-10T17:56:45Z)
• Learn-n-Route: Learning implicit preferences for vehicle routing [9.434400627011108]
  ルート計画(またはルーティング)を手動で作成する際に、人間のプランナーが有する暗黙の好みをルーティングエンジンが学習する車両ルーティングの学習意思決定支援システムについて検討する。 目標は、車両ルーティングシステムの距離ベースの客観的基準の上にこれらの主観的な好みを使用することです。
  論文  参考訳（メタデータ） (2021-01-11T14:57:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。