論文の概要: EvoRouter: Cost-Efficient Multi-Agent Routing via Insight-Guided On-Policy Distillation

• arxiv url: http://arxiv.org/abs/2610.35690v1
• Date: Mon, 26 Oct 2026 16:21:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.069267
• Title: EvoRouter: Cost-Efficient Multi-Agent Routing via Insight-Guided On-Policy Distillation
• Title（参考訳）: EvoRouter: Insight-Guided On-Policy蒸留による費用効率の良いマルチエージェントルーティング
• Abstract要約: Evoは、洞察誘導型オンライン蒸留によって駆動される、自己進化型のマルチエージェントルーティングフレームワークである。 Evoを5つのドメインと2つのドメイン外のベンチマークにまたがる19のドメイン内データセットで評価する。
• 参考スコア（独自算出の注目度）: 11.294781076508393
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Serving web queries at scale with multi-agent systems requires jointly configuring large language models, collaboration modes, agent counts, interaction rounds, and skills. However, the resulting configuration space grows combinatorially, while sparse execution rewards provide limited fine-grained supervision for interdependent planning decisions. We propose EvoRouter, a self-evolving multi-agent routing framework driven by insight-guided on-policy distillation. A dedicated expert periodically synthesizes performance-cost feedback from configuration trajectories across tasks into reusable conditional routing insights about capability requirements, returns from resource scaling, and interactions among configuration choices. A privileged teacher combines these evolving insights with current execution feedback to provide dense token-level supervision for the router's own planning trajectories through on-policy distillation. Cost-aware reinforcement learning jointly optimizes task performance and computational cost. Together, these training signals internalize execution insights into the routing policy. The updated policy generates new trajectories that support subsequent insight extraction, forming an execution-driven self-improvement loop. We evaluate EvoRouter on 19 in-domain datasets spanning five domains and two out-of-domain benchmarks. EvoRouter achieves an average in-domain accuracy of 68.69%, outperforming the strongest routing baseline by 7.23 percentage points while reducing inference compute cost by 50.95%. Our code is open-sourced at https://github.com/CenYangtze/EvoRouter.
• Abstract（参考訳）: マルチエージェントシステムで大規模にWebクエリを実行するには、大きな言語モデル、コラボレーションモード、エージェントカウント、インタラクションラウンド、スキルを共同で設定する必要がある。 しかし、結果として生じる構成空間は組合せ的に成長する一方、スパース実行報酬は、相互依存的な計画決定に対して限定的なきめ細かい監督を与える。 EvoRouterは、洞察誘導型オンライン蒸留によって駆動される自己進化型マルチエージェントルーティングフレームワークである。 専用の専門家は、タスク間の設定トラジェクトリから定期的にパフォーマンスコストフィードバックを、機能要件、リソーススケーリングからのリターン、設定選択間のインタラクションに関する再利用可能な条件付きルーティングインサイトに合成する。 特権を持つ教師は、これらの進化する洞察を現在の実行フィードバックと組み合わせて、オン・ポリーズ蒸留を通じてルータ自身の計画軌跡の密集したトークンレベル監視を提供する。 コスト対応強化学習は、タスク性能と計算コストを協調的に最適化する。 これらのトレーニング信号は、ルーティングポリシーに対する実行上の洞察を内部化する。 更新されたポリシーは、その後の洞察抽出をサポートする新しいトラジェクトリを生成し、実行駆動の自己改善ループを形成する。 EvoRouterを5つのドメインと2つのドメイン外のベンチマークにまたがる19のドメイン内データセットで評価する。 EvoRouterは68.69%の平均ドメイン内精度を達成し、推論計算コストを50.95%削減しながら、最強のルーティングベースラインを7.23ポイント上回っている。 私たちのコードはhttps://github.com/CenYangtze/EvoRouter.comでオープンソース化されています。

関連論文リスト

• RSI-Router: Evolving Subtask-Level LLM Routing and Skills for Cost-Efficient Agents [18.83301143969785]
  RSI-routerはサブタスクレベルのモデル割り当てとモデル固有のスキルを構築するルーティングフレームワークである。 DeepSeek-V4.1-FlashとQwen3.5-9Bのベースラインを5つのエージェントベンチマークでほぼ半分の推論コストで一貫して上回っている。
  論文  参考訳（メタデータ） (2026-09-28T09:23:01Z)
• HetRoute Heterogeneous and Cost-aware Collaborative Routing Framework for Distributed Edge MoE Inference [47.0879800334801]
  HetRouteは、分散エッジMoE推論のための異種コスト対応協調ルーティングフレームワークである。 HetRouteは平均推論遅延を59.0%、P99レイテンシを58.0%まで削減する。
  論文  参考訳（メタデータ） (2026-08-01T10:30:01Z)
• Agent-as-a-Router: Agentic Model Routing for Coding Tasks [54.00153674547733]
  Agent-as-a-router (AC)はC-A-Fループとしてルーティングを形式化する(Context->Action->FeedbackContext) ACは、分配タスクに対する最小の累積後悔を達成し、配布外エージェントプログラミングタスクに一般化する。
  論文  参考訳（メタデータ） (2026-06-22T06:37:31Z)
• Rubric-Guided Process Reward for Stepwise Model Routing [18.58577344135632]
  ステップワイズモデルルーティングは、各推論ステップを適切なモデルに割り当てることで、Large Reasoning Models(LRM)の効率を改善する。 最近の方法では、順序決定プロセスとしてルーティングを定式化し、強化学習でルータを訓練する。 ステップワイズモデルルーティングのためのルーリック誘導プロセス報酬フレームワークであるRoRoを提案する。
  論文  参考訳（メタデータ） (2026-05-28T03:42:24Z)
• EvolveRouter: Co-Evolving Routing and Prompt for Multi-Agent Question Answering [39.31752433999864]
  エージェントの品質と協調構造を協調的に改善し,制約に対処する訓練可能なフレームワークを提案する。 Evolveは、F1と正確な一致の両方において、SOTAルーティングベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-06T20:24:54Z)
• Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization [58.59491516762626]
  マルチエージェントシステム(MAS)のための効率的かつ解釈可能なルーティングフレームワークAMRO-Sを提案する。 AMRO-Sは、意味条件付き経路選択問題としてMASルーティングをモデル化し、3つのキーメカニズムを通してルーティング性能を向上させる。 5つの公開ベンチマークと高速ストレステストによる大規模な実験により、AMRO-Sは強いルーティングベースラインに対する品質-コストトレードオフを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-03-13T12:26:05Z)
• 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)

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。