EvolveRouter：多智能体问答中路由与提示的协同进化
计算与语言
2026-04-08 v1
摘要
大型语言模型智能体通常表现出互补优势，使路由成为多智能体问答的有前景方法。然而，现有路由方法在两个重要方面存在局限：它们通常在固定智能体池上优化而不改进智能体本身，且往往依赖僵化的协作方案，无法根据查询调整参与智能体的数量。我们提出EvolveRouter，一个可训练框架，通过联合改进智能体质量与协作结构来解决这两个局限。首先，EvolveRouter将基于图的查询路由与针对性提示优化在闭环协同进化过程中耦合，使路由诊断能够指导智能体改进，同时优化后的智能体为路由提供更清晰的监督。其次，它引入一种自适应推理策略，通过路由加权答案一致性动态确定每个查询的有效协作规模。这些设计共同实现了更强能力且更高效的多智能体推理。在五个问答基准上的实验表明，EvolveRouter在F1和精确匹配指标上持续超越SOTA路由基线，进一步分析证实了闭环优化和自适应协作的益处。
引用
@article{arxiv.2604.05149,
title = {EvolveRouter: Co-Evolving Routing and Prompt for Multi-Agent Question Answering},
author = {Jiatan Huang and Zheyuan Zhang and Kaiwen Shi and Yanfang Ye and Chuxu Zhang},
journal= {arXiv preprint arXiv:2604.05149},
year = {2026}
}