摘要
针对前沿科学推理挑战，单一模型难以达到专家水平。本文提出 SciOrch 框架，训练轻量级模型编排多个前沿 LLM。该编排器将问题分解，通过 API 调用分配子任务给选定模型，并综合最终答案。为解决高昂的 API 成本导致的标准在线 rollout 不可行问题，采用基于 MCTS 的方法生成多样化轨迹，结合 GRPO 风格训练优化编排器。实验表明，SciOrch 在准确率上超越最强单模型及多智能体基线，且 API 成本降低一半以上。
AI 推荐理由
论文核心在于训练编排器进行任务分解、模型选择与答案合成，属典型规划。
研究机构
Imperial College London
The Chinese University of Hong Kong
University of Illinois Urbana-Champaign
Shanghai Jiao Tong University
University of Oxford
Shenzhen Loop Area Institute
论文信息