超越 Gemini-3-Pro：规模化 LLM 路由与聚合
人工智能
2026-02-12 v2
摘要
大型语言模型（LLM）正在迅速发展，Gemini-3-Pro 标志着新的性能里程碑。在本工作中，我们探索集体智慧作为单一规模化的替代方案，展示了开源 LLM 的协作可超越 Gemini-3-Pro。我们首先重访规模化 LLM 路由与聚合，识别出三个关键瓶颈：(1) 当前无训练路由器受限于基于查询的范式，仅关注文本相似性；(2) 最近的聚合方法仍较为静态，无法为不同任务选择合适的聚合器；(3) 路由与聚合的互补性被充分利用不足。为解决这些问题，我们引入 JiSi，一个 novel 框架，通过三个创新措施释放 LLM 协作的潜能：(1) 捕获语义信息与问题难度的 Query-Response 混合路由；(2) 基于支持集的聚合器选择，联合评估聚合器的聚合能力与领域能力；(3) 自适应路由-聚合开关，动态利用路由与聚合的优势。在九个基准测试上进行的全面实验表明，JiSi 只需 47% 的成本，通过协调十个开源 LLM 即可超越 Gemini-3-Pro，同时优于主流基线。这表明集体智慧代表了通用人工智能（AGI）的新型路径。
引用
@article{arxiv.2601.01330,
title = {Beyond Gemini-3-Pro: Revisiting LLM Routing and Aggregation at Scale},
author = {Shengji Tang and Weihao Lin and Peng Ye and Jingqi Ye and Hao Li and Yiqun Zhang and Xiaosong Wang and Bo Zhang and Shuyue Hu and Tao Chen and Lei Bai and Wanli Ouyang},
journal= {arXiv preprint arXiv:2601.01330},
year = {2026}
}
备注
21 pages