RSI-Router：大小模型协同分工，降本增效性能反超

让大小模型自己学会分工

如今，大模型驱动的智能体已能完成软件开发、科学研究等复杂任务，但多轮交互中频繁调用大模型，导致推理成本居高不下。深入分析后发现，复杂任务的不同环节对模型能力的要求差异明显：小模型虽无法独立完成整项任务，却能胜任其中的部分子任务。因此，让大小模型合理分工、协同作业，是平衡任务效果与推理成本的核心思路。

某研究团队提出了一种名为RSI-Router的自进化智能体路由框架，该框架通过分析执行轨迹挖掘可复用的子任务，探索大小模型的合理分工，并提炼出各模型专属的执行技能，使得分工策略与执行技能能在持续迭代中不断优化。该框架对应的论文可通过学术平台查阅。

在测试中，研究团队以一款大模型和一款小模型为基础，在五个智能体评测基准上验证了RSI-Router的效果：其一，任务表现全面超越纯大模型的基线水平；其二，推理成本平均降低51.7%，最高降幅达82.2%；其三，与九种现有路由方法相比，该框架实现了更优的性能-成本权衡。

研究背景：模型路由的现存局限

当前的模型路由方案存在明显局限：任务级路由将整项任务分配给单一模型，容易忽略小模型在部分环节的作用——比如代码修复，问题定位、修改和验证对模型能力的要求各不相同；而步骤级路由允许逐步切换模型，但学习有效分工仍面临诸多挑战：预先收集的轨迹覆盖范围有限，逐步探索的成本较高，且最终反馈难以说明每一步决策的优劣。

RSI-Router针对这些问题，围绕可复用的子任务探索模型分工，并从执行中的失败与冗余操作中提炼技能，共同优化路由策略与执行技能，从而帮助小模型胜任原本难以完成的子任务。

RSI-Router的四阶段迭代机制

RSI-Router以大小模型的训练轨迹为起点，由大模型驱动的提案智能体组织四阶段迭代流程：

1. 子任务挖掘：按执行目标划分轨迹，归纳子任务及识别规则，回放轨迹以检查小模型能否识别下一步所属阶段，并修正模糊的定义；

2. 路由策略进化：并行提出多种大小模型分配方案，按适用性继承历史技能，再通过实际执行评估任务表现和推理成本；

3. 模型专属技能进化：对比候选路由与纯大模型在相同任务上的训练轨迹，分析失败与冗余操作，为对应模型和子任务生成或修订技能；

4. 帕累托路由筛选：根据验证集上的性能与成本，比较历史路由及技能更新前后的候选，保留帕累托最优策略，落选的路由也作为反例参与后续进化。

推理阶段，小模型会根据用户请求、最近三步交互历史及上一次子任务预测，识别接下来的子任务，调用分配的模型，并附加匹配的执行技能。例如，在代码修复场景中，可由大模型负责问题定位和代码修改，小模型负责结果验证；对应的执行技能则会提醒模型运行测试、检查文件差异，减少漏检与无效操作。

实验结果：性能与成本的双重提升

实验选取了覆盖环境交互、科学实验、购物、代码修复与终端操作的五个任务子集，训练、验证和测试集互不重叠，共进行六轮进化，每轮提出四种候选策略，测试任务不为进化提供反馈。

性能表现上，各基准均有明显提升：ALFWorld的成功率从90.62%提升至98.44%，Terminal-Bench 2.0从40.00%提升至46.67%，相对提升16.7%，其余三个基准的任务表现也均超过纯大模型基线。

成本控制上，多个基准降幅显著：ALFWorld、ScienceWorld和WebShop分别降低75.3%、82.2%和74.7%，SWE-bench Verified和Terminal-Bench 2.0分别降低8.1%和18.0%，实现了性能与成本的双重改善。

持续进化：性能成本的动态优化

RSI-Router具备持续进化的能力：在验证集上，当保留至少95%大模型性能时，五个基准在首轮之后均实现进一步降本。例如，WebShop的成本降幅从首轮的28.5%逐步扩大至65.0%、68.4%和72.5%；同时，历史技能也会被持续复用，ScienceWorld最后一轮的候选路由仍大量复用早期迭代积累的技能，为后续分工与执行提供支持。

总结与展望

RSI-Router将子任务分工、技能积累与策略筛选有机结合，让执行经验持续用于优化模型协作。实验表明，小模型在合适的分工与技能支持下，能够参与原本无法独立完成的复杂任务，为长程智能体降本增效提供了新的路径。

随着路由策略与执行技能的不断积累，系统可从历史经验中探索更高效的协作方式，减少对人工反复调整规则的依赖，推动智能体模型协作的自动化与智能化。