异构大语言模型多智能体系统的迭代批判与路由控制器

针对现有大语言模型多智能体系统控制器仅支持单次路由、缺乏中间草稿批判与迭代优化机制的局限，本文提出一种迭代批判与路由控制器。该方法将多智能体协调建模为序列决策问题，在每一步评估当前草案并决定停止或选择下一智能体进行 refinement。通过构建有限视界马尔可夫决策过程及复合奖励函数，利用策略梯度优化控制器。实验表明，该方法在多个基准测试中显著优于现有基线，大幅缩小与最强智能体的差距，且调用次数更少。