Shenghao Ye 团队提出 RoRo 步骤级模型路由框架

2026年11月3日，Shenghao Ye 等人在 arXiv 发布论文，提出名为 RoRo 的步骤级模型路由框架。该研究旨在解决大型推理模型在中间步骤路由决策中因仅依赖结果奖励而无法有效评估的问题。RoRo 框架通过交替优化生成查询特定的评估标准并打分，结合结果奖励使用 GRPO 算法优化路由策略。 实验结果表明，RoRo 在五项推理基准测试中表现优于强基线。该框架实现了准确性与成本之间的更优平衡，为基于评分标准的过程奖励机制在模型路由中的应用提供了新的方法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。