面向 LLM 多智能体系统的能力感知自适应编排框架

研究提出面向 LLM 多智能体系统的两阶段能力感知编排框架，通过评估基底模型对当前查询的能力动态调整角色激活与通信图，在 6 个基准测试中达到 93.81% 的平均分。实验显示，该方法使高能力基座模型的平均准确率从 87.22 提升至 89.97，同时降低 36.26% 的 token 成本；低能力基座模型则比现有方法平均提升 4.58 分。