通过策略拍卖扩展小型智能体

本文指出小型语言模型在复杂任务中性能难以扩展，并提出“工作负载效率策略拍卖”（SALE）框架。该框架受自由职业市场启发，智能体通过竞标简短战略计划，经成本 - 价值机制评分及共享拍卖记忆优化，实现任务路由与持续自我改进。实验表明，SALE 在深度搜索和编码任务中显著降低对大模型依赖及成本，同时提升通过率，证明了通过协调任务分配扩展小型智能体的有效性。