待验证50% 置信事实精确时间

该研究提出了一个异质性驱动的团队选择框架，核心是通过离线剖析（offline profiling）来刻画每个模型的特性

1

来源数

50%

置信度

长期有效

时效性

2026/10/1

首次发现

来源

如何挑选最佳LLM团队？异质性驱动的模型协同选择框架

涉及实体

heterogeneity-driven team selection frameworkconcept offline profilingconcept

相关事实

待验证通过分析哪些序列片段被路由到同一批专家，研究者可以获得一定的模型可解释性线索74% 相似待验证研究团队通过NLP指标量化分析和一项包含五名参与者的人类研究两条路径对框架进行评估70% 相似待验证研究团队设计了五种行为探针，用来测试模型对层级化约束满足的能力69% 相似待验证研究团队在通用领域和高风险专家领域两类场景下对该框架进行了评估69% 相似待验证研究团队在专有模型和开源权重模型上使用多种智能体框架进行了广泛评测，最先进模型如GLM-5.2、Claude-Sonnet-4.6等表现仅过半68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/964116

API

curl https://kongchang.com/api/v1/knowledge/claims/964116

MCP

get_claim(id=964116)