文章摘要
当大语言模型转向多模型协同，现有路由系统建模存在局限。伊利诺伊大学团队提出 GraphPlanner，将路由升级为动态生成多智能体工作流。它通过序贯决策、引入 GARNet、强化学习训练，提升了性能、效率与泛化能力，迈向多智能体系统自动化编排。

当大语言模型从单模型独立回答转向多模型协同协作时，行业面临了一个新的核心问题：系统不仅需要判断应该调用哪一款大模型，更需要明确该模型在任务中扮演的角色、调用的时机，以及如何与其他模型完成协作流程。

当前主流的大模型路由系统大多仅关注查询级别的模型选择：给定一个问题，系统会从多款主流模型中挑选最合适的单一模型进行响应。即便是支持多轮调用的进阶路由方案，也大多停留在“连续选择模型”的层面，并未对多智能体的协作流程进行显式建模。

来自伊利诺伊大学厄巴纳-香槟分校的研究团队提出了GraphPlanner，将大模型路由从单纯的“模型选择”升级为“动态生成多智能体工作流”。该系统在每一步决策中，同时确定要调用的模型与对应的智能体角色，并通过图结构记忆来记录历史交互与当前工作流状态，实现了更高效、泛化性更强的多模型协作。

论文链接：https://arxiv.org/abs/2604.23626

代码链接：https://github.com/ulab-uiuc/GraphPlanner

研究背景

传统的单轮路由逻辑非常直接：针对给定的查询，选择一款最适配的大模型完成回答。这种方案简单高效，但在处理复杂任务时存在明显局限：无法对任务进行拆解，也无法组织多个模型之间的协同工作。

多轮路由方案虽然允许多次调用不同模型，比如可以在“思考-路由-聚合”的流程中反复调用多个大模型，但这类方案本质上仍然聚焦于“下一步调用哪个模型”的骨干选择，并未显式建模多智能体系统中的角色分工与协作结构。

现实中的复杂任务往往需要更贴近智能体工作流的处理模式：例如先由规划模块将复杂问题拆解为多个原子子问题，再由多个执行模块分别解决不同子任务，最后由汇总模块整合中间结果形成最终答案。GraphPlanner正是针对这一需求提出的，它认为路由系统不仅要选择模型，更要确定调用的智能体角色，并动态生成适配当前查询的协作工作流。

GraphPlanner核心设计

GraphPlanner的核心思想是将路由过程建模为序贯决策问题。与传统路由仅选择单一模型不同，该系统在每一步都会选择一个二元动作：动作 = 智能体角色 + 大模型骨干。

研究团队默认定义了三类基础智能体角色：

  • Planner：负责将复杂查询拆解为若干原子子问题；
  • Executor：负责直接回答原始查询或子问题；
  • Summarizer：负责聚合多个中间结果，生成更一致的上下文或最终答案。

因此，GraphPlanner的每一步决策都需要回答两个核心问题：当前应该由哪个角色执行任务？应该使用哪一款大模型来执行？

这种设计让路由系统从简单的“模型选择器”升级为能够构建查询专属智能体工作流的“多智能体规划器”。对于简单问题，GraphPlanner可以直接选择Executor模块一步完成回答；而对于复杂的数学、代码或多跳推理任务，它可以先调用Planner拆解问题，再调用多个Executor解决子问题，最后调用Summarizer汇总推理链路并生成最终结果。

GARNet异构图记忆网络

GraphPlanner的另一个关键创新是引入了异构图记忆网络GARNet。在多智能体大模型系统中，每次模型调用都会产生丰富的交互信息：包括查询内容、调用的模型、模型扮演的角色、输出结果、调用成本以及最终回答的正确性。这些历史交互痕迹本身就是非常宝贵的路由记忆，可以帮助系统判断在相似任务中，哪些模型更适合担任Planner，哪些模型更适合作为Executor，以及哪些角色组合的协作效率更高。

为此，GraphPlanner构建了两类图记忆：

  • Workflow Memory Graph：记录当前查询在本轮推理过程中生成的子问题、角色调用记录和中间回复内容；
  • Historical Memory Graph：记录过往任务中的查询、响应、模型-角色交互记录、准确率和调用成本信息。

GARNet将查询节点、响应节点、模型-角色节点以及准确率-成本边组织为异构图，并通过共享的角色中心节点连接当前工作流与历史记忆。这样，GraphPlanner在进行下一步路由决策时，不仅可以获取当前查询的状态信息，还可以利用历史交互中积累的模型能力画像与协作模式，提升决策的合理性与效率。

基于强化学习的智能体路由训练

由于GraphPlanner的路由工作流包含离散的角色选择、模型调用、子问题分解和结果汇总，整个过程难以直接进行端到端求导。因此，研究团队将工作流生成建模为马尔可夫决策过程，并使用PPO算法进行强化学习训练。

该模型的奖励函数同时兼顾任务效果与调用成本：

  • 最终回答的正确性会带来任务效用奖励；
  • 每一步的模型调用会产生计算成本，作为惩罚项；
  • 通过超参数α来平衡准确率与调用成本之间的权衡。

换言之，GraphPlanner学习到的并非固定的工作流模板，而是一种动态决策策略：在面对不同查询时，自适应决定是否需要进行任务规划、是否需要拆解问题、需要调用多少个模型、每个模型扮演什么角色，以及何时汇总并输出最终答案。

实验结果：更优性能、更低成本与更强泛化能力

GraphPlanner在覆盖数学、代码、常识推理、世界知识、主流基准测试以及域外测试的6个领域共14个任务上进行了系统评估。实验分为两个阶段：

  • 阶段1：在用户预定义的智能体工作流中，优化不同智能体的大模型骨干选择；
  • 阶段2：同时生成智能体工作流并选择对应的大模型骨干。

实验结果显示，GraphPlanner在两个阶段均显著优于单轮路由与多轮路由的基准方案。在阶段1中，即便使用固定工作流，GraphPlanner仍能取得最高的平均准确率，说明基于图记忆增强的路由策略可以更好地为不同智能体分配合适的模型。在阶段2中，当系统允许自由生成工作流时，GraphPlanner的优势进一步扩大，相比最强基准方案带来了约9.3%的平均准确率提升，这证明针对查询定制的工作流生成比固定工作流更适配复杂任务。

更值得关注的是，GraphPlanner还展现出了优秀的效率表现。与同类基于强化学习的多轮路由方案相比，GraphPlanner在训练阶段显著降低了GPU计算资源消耗，并通过轻量级的图策略网络实现了更高效的路由决策。

优秀的泛化能力

一款优秀的大模型路由系统不应仅记住训练集中的任务与模型，而应能够泛化到全新的任务类型与未见过的大模型骨干。

GraphPlanner在域外任务LogicGrid、MGSM和CommonGen上取得了78%的平均准确率，明显优于同类基准方案。同时，当实验中加入训练阶段未见过的大模型时，GraphPlanner仍能保持稳定且更优的表现，这说明该模型并非简单记忆某个模型在特定任务上的标签，而是通过模型-角色图与历史交互记忆学习到了更可迁移的协作模式。

此外，GraphPlanner支持两种推理模式：

  • 归纳设置：不依赖保留的历史交互，部署更为轻量；
  • 转导设置：利用历史交互记忆，可获得更高的推理性能。

这种设计让GraphPlanner可以根据实际部署需求，在效率与性能之间灵活切换。

研究总结

GraphPlanner的核心贡献在于，将大模型路由从传统的骨干模型选择，推进到了智能体工作流生成的层面。过往的路由系统主要回答“这个查询应该交给哪个模型”，而GraphPlanner进一步回答了以下一系列关键问题：

  • 这个查询应该如何拆解为子任务？
  • 哪些智能体角色应该参与到任务协作中？
  • 每个角色应该由哪一款大模型来执行？
  • 当前工作流如何利用历史交互经验优化决策？
  • 如何在任务效果与计算成本之间取得更优的平衡？

因此，GraphPlanner不仅是一款更强大的路由系统，更是迈向多智能体大模型系统自动化编排的重要一步。它让多个异构大模型不再只是被动调用的工具，而是能够在规划、执行、汇总等角色下形成结构化的协作流程。对于未来的AI基础设施而言，这种规划、路由、记忆与协调的能力，将成为构建可扩展、多模型、多智能体系统的核心关键能力。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。

以上内容不代表本平台立场，仅供读者参考