基准测试用于金融文档处理的多智能体 LLM 架构：编排模式、成本 - 精度权衡与生产扩展策略的比较研究

本文系统基准测试了四种多智能体编排架构（顺序流水线、并行扇出合并、分层监督 - 工作及反射自纠正循环），在五个前沿大模型及一万份 SEC 文件上进行评估。研究涵盖字段级 F1、延迟、成本等维度，发现反射架构精度最高但成本昂贵，而分层架构在成本 - 精度帕累托前沿表现最优。此外，通过语义缓存和自适应重试等混合配置，能以较低成本恢复大部分精度增益，并为大规模部署提供扩展性指导。