RouteWeaver unifica la selección de modos en la enrutación de LLM

Fuentes: RouteWeaver unifies mode selection and execution in LLM routing

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.