基于边界引导训练的预算感知代理路由

随着大语言模型演变为执行长程工作流的自主代理，每步调用高能力模型在经济上不可持续。针对代理路由的序列依赖性及严格预算限制，本文提出预算感知代理路由方法。该方法通过边界引导训练，利用两种边界策略构建难度分类并锚定稀疏奖励学习。结合边界引导的策略优化，在合成数据预热后，有效平衡成本与成功率。实验表明，该方法在显著降低成本的同时匹配强基线性能，确立了从静态模型选择到动态预算感知序列决策的新范式。