RouteWeaver es un marco de enrutamiento unificado para modelos de lenguaje de gran escala (LLM) que integra la selección de modos de ejecución y la coordinación de modelos heterogéneos en una única política de decisión. A diferencia de los enfoques previos, que suelen basarse en paradigmas de ejecución predefinidos como el de ronda única o multi-ronda, este sistema permite adaptar dinámicamente la organización de las llamadas al modelo según las necesidades específicas de cada consulta. El núcleo técnico de la propuesta es COMET-GRPO (COordinated Mode-Execution Training), un mecanismo de entrenamiento que desacopla la ventaja de la trayectoria en señales separadas para la selección de modo y la ejecución dentro de ese modo. Esto facilita una asignación de crédito más precisa a cada nivel de decisión, optimizando el rendimiento global. Además, el sistema introduce una exploración progresiva, que transfiere gradualmente el control de la selección de modos de la asignación externa a la elección autónoma del router. Este proceso permite que el sistema aprenda primero a ejecutar eficazmente cada modo antes de decidir cuándo utilizarlo, mejorando la robustez del enrutamiento adaptativo. En las evaluaciones realizadas en cinco dominios, incluyendo matemáticas, codificación, conocimiento, razonamiento lógico y recuperación factual, RouteWeaver alcanzó una precisión media del 61,4%. Este resultado representa una mejora relativa del 11,03% respecto a la línea base más fuerte y supera a todas las comparaciones en cada uno de los cinco dominios evaluados. Las abstracciones del sistema confirman que tanto COMET-GRPO como la exploración progresiva son componentes esenciales; sin la exploración progresiva, la política de enrutamiento colapsa completamente hacia la ejecución de ronda única, perdiendo su capacidad de adaptación.
