EvolveRouter：多智能体问答中的路由与提示协同进化

大型语言模型智能体常具有互补优势，使路由成为多智能体问答的有效方法。然而，现有路由方法存在局限：通常在固定智能体池中优化，未提升智能体自身能力；且依赖僵化的协作方案，无法根据查询动态调整参与智能体数量。本文提出 EvolveRouter，一种可训练框架，通过闭环协同进化过程，将基于图的路由与针对性指令优化相结合，利用路由诊断指导智能体改进，同时优化后的智能体为路由提供更清晰的监督信号。此外，引入自适应推理策略，通过路由加权的回答一致性动态确定各查询的有效协作规模。实验表明该方法在多个基准上优于现有最先进路由基线。