arXiv 2610.19705

RouteWeaver: モード選択と実行を統合したLLMルーティング

RouteWeaver: Weaving Mode Selection and Execution into Unified LLM Routing

AI2026年10月19日推薦17

著者: Xiaohan Wang, Haozhen Zhang, Qingyuan Liu, Tao Feng, Wenya Wang

概要

本論文は、単一ラウンド、マルチラウンド、エージェント型のルーティングモードを1つのLLMポリシーに統合し、どのモードを使うか、そのモード内でどのモデルを選ぶかを同時に学習するRouteWeaverを提案します。学習には、軌道レベルのアドバンテージをモード選択とモード内実行の信号に分離するCOMET-GRPOと、外部指定のモードから自律的な選択へ段階的に移行するprogressive explorationを用います。

はじめに

既存のLLMルーターは通常、単一ラウンド、マルチラウンド、エージェント型のいずれか1つの実行パラダイムに固定されており、クエリごとの要求への適応が制限されています。

結果

RouteWeaverは平均精度61.4%を達成し、最強のベースラインに対して相対11.03%向上したうえ、5つのドメインすべてで全ベースラインを上回りました。progressive explorationを外すと、ルーティングポリシーは単一ラウンド実行に完全に崩壊します。

結論

ルーティングモードを1つのポリシーに統合し、クレジット割り当てを分離することで、ルーターは単一のパラダイムに縛られず、クエリごとに実行戦略を適応させられます。