多智能体路由作为集合值预测：WildChat 基准测试与成本感知评估

本文提出自然语言提示下的工具与智能体路由本质上是集合值预测问题。研究构建了基于 WildChat 的基准测试，包含 3000 个提示及固定 12 智能体目录，旨在平衡执行成本与多标签选择准确性。评估协议结合集合级指标、延迟及成本约束加权路由设置。实验表明，监督式路由显著优于最近邻匹配和零样本大模型基线；微调编码器在无约束场景下表现最佳，而线性多标签模型是强有力的实用基线。在成本约束下，加权路由层进一步提升了效用，支持了对精度与成本权衡的可复现研究。