新智元报道

【新智元导读】GraphPlanner通过引入图影象网络，，，，，将多智能体LLM的路由历程升级为动态事情流天生。。。。。不但选择挪用哪个模子，，，，，还决议每个模子应肩负的角色，，，，，实现使命剖析与协作妄想。。。。。

当大语言模子从「单模子回覆」走向「多模子协作」，，，，，一个新的问题正在浮现：

系统不但需要知道该挪用哪个LLM，，，，，还需要知道该让这个LLM饰演什么角色、在什么方法挪用、怎样与其他模子协作。。。。。

现有LLM Router大多关注query-level的模子选择：给定一个问题，，，，，判断该交给Qwen、LLaMA、Gemma、Mixtral照旧其他模子。。。。。进一步的多轮Router虽然能够举行多次挪用，，，，，但通常仍然只是「一连选择模子」，，，，，缺少对多智能体协作流程自己的显式建模。。。。。

对此，，，，，University of Illinois Urbana-Champaign（UIUC）的研究职员提出GraphPlanner，，，，，将LLM Routing从「选择模子」推进到「天生多智能体事情流」：系统在每一步同时决议挪用哪个模子以及激活哪个智能体角色，，，，，并使用图结构影象历史交互与目今事情流状态，，，，，从而实现更高效、更可泛化的多模子协作。。。。。

论文链接: https://arxiv.org/abs/2604.23626

代码链接: https://github.com/ulab-uiuc/GraphPlanner

研究配景

古板Single-Round Router的逻辑很直接：给定一个query，，，，，选择一个最合适的LLM往返覆。。。。。

这种方式简朴高效，，，，，但面临重大使命时保存显着限制：它无法剖析使命，，，，，也无法组织多个模子之间的协作。。。。。

Multi-Round Router则进一步允许多次挪用差别模子，，，，，例如Router-R1可以在「思索—路由—聚合」的历程中重复挪用多个LLM。。。。。

但这类要领实质上仍然更关注backbone selection，，，，，也就是「下一步该挪用哪个模子」，，，，，而没有显式建模多智能系一切中的角色分工与协作结构。。。。。

现实中的重大使命往往需要更靠近agentic workflow的处理方式。。。。。例如：

先由Planner将重大问题拆解成子问题；；

再由多个Executor划分解决差别子使命；；

最后由Summarizer汇总中心效果并形成最终谜底。。。。。

GraphPlanner正是围绕这一点提出：Router不应只决议挪用哪个模子，，，，，还应决议挪用哪个Agent Role，，，，，并动态天生适合目今query的协作事情流。。。。。

GraphPlanner

GraphPlanner的焦点头脑是将routing历程建模为一个sequential decision-making problem。。。。。

在每一步，，，，，GraphPlanner不再只选择一个LLM，，，，，而是选择一个二元行动：

Action = Agent Role + LLM Backbone

研究职员默认界说了三类基础Agent Role：

1. Planner：认真将重大query剖析为若干atomic sub-queries；；

2. Executor：认真回覆原始query或子问题；；

3. Summarizer：认真聚合多其中心效果，，，，，天生更一致的上下文或最终回覆。。。。。

因此，，，，，GraphPlanner的每一步决议都在回覆两个问题：

目今应该由哪个角色执行？？？应该使用哪个LLM执行？？？

这种设计让Router从一个简朴的「模子选择器」，，，，，升级为一个能够构建query-specific agentic workflow的「多智能体妄想器」。。。。。

关于简朴问题，，，，，GraphPlanner可以直接选择Executor一步完成回覆；；关于重大数学、代码或多跳推理使命，，，，，它可以先挪用Planner拆解问题，，，，，再挪用多个Executor解决子问题，，，，，最后挪用Summarizer汇总推理链路。。。。。

GraphPlanner的另一个要害立异是引入异构图影象网络GARNet。。。。。

在多智能体LLM系统中，，，，，每次挪用都会爆发富厚的交互信息：query 是什么、哪个模子被挪用、它饰演什么角色、输出了什么效果、本钱是几多、最终是否准确。。。。。

这些历史 interaction traces 自己就是很是名贵的 routing memory。。。。。它们能够告诉系统：在相似使命上，，，，，哪些模子更适合担当 Planner？？？哪些模子更适合做 Executor？？？哪些角色组合更高效？？？

为此，，，，，GraphPlanner构建了两类图影象：

Workflow Memory Graph：纪录目今 query 在本轮推理历程中天生的子问题、角色挪用和中心回复；；

Historical Memory Graph：纪录已往使命中的query、response、LLM-role交互、accuracy 和 cost 信息。。。。。

GARNet将query node、response node、LLM-role node以及accuracy-cost edge组织成异构图，，，，，并通过共享的role hub nodes毗连目今事情流与历史影象。。。。。

这样，，，，，GraphPlanner在做下一步routing决议时，，，，，不但能看到目今query的状态，，，，，还能使用历史交互中积累下来的模子能力画像与协作模式。。。。。

用强化学习训练Agentic Router

由于GraphPlanner的routing workflow包括离散的角色选择、模子挪用、子问题剖析和效果汇总，，，，，整个历程难以直接端到端求导。。。。。

因此，，，，，研究职员将workflow generation建模为Markov Decision Process，，，，，并使用PPO举行强化学习训练。。。。。

奖励函数同时思量使命效果与挪用本钱：

最终回覆准确性带来task utility；；

每一步模子挪用会爆发computational cost；；

超参数α用于控制accuracy-cost trade-off。。。。。

换言之，，，，，GraphPlanner学到的不是一个牢靠事情流模板，，，，，而是一种动态战略：在面临差别 query 时，，，，，自顺应决议是否需要妄想、是否需要拆解、挪用几个模子、每个模子饰演什么角色，，，，，以及何时汇总并输出最终谜底。。。。。

实验效果：更强性能、更低训练本钱、更好泛化

GraphPlanner在14个使命、6个领域上举行了系统评估，，，，，笼罩Math、Code、Commonsense Reasoning、World Knowledge、Popular Benchmark以及Out-of-domain Testing。。。。。

实验包括两个阶段：

Phase 1：在用户预界说的agentic workflow中，，，，，优化差别agent的LLM backbone选择；；

Phase 2：同时天生agentic workflow并选择对应的LLM backbone。。。。。

效果显示，，，，，GraphPlanner在两个阶段均显著优于single-round与multi-round router baselines。。。。。

在Phase 1中，，，，，GraphPlanner在牢靠事情流下仍能取得最高平均准确率，，，，，说明图影象增强的 routing policy 能更好地为差别agent分配合适模子。。。。。

在Phase 2中，，，，，当系统允许自由天生workflow时，，，，，GraphPlanner的优势进一步扩大，，，，，相比最强baseline带来约9.3%的平均准确率提升，，，，，说明 query-specific workflow generation 比牢靠事情流更适合重大使命。。。。。

更主要的是，，，，，GraphPlanner还展现出优异的效率体现。。。。。相比Router-R1等RL-based multi-round router，，，，，GraphPlanner在训练阶段显著降低GPU compute，，，，，并通过轻量级图战略网络实现更高效的routing决议。。。。。

泛化能力：支持Unseen Tasks与Unseen LLMs

一个好的LLM Router不应只记着训练集中的使命和模子，，，，，而应能泛化到新的使命类型和新的LLM backbone。。。。。

GraphPlanner在out-of-domain使命LogicGrid、MGSM和CommonGen上取得了78%的平均准确率，，，，，显着优于 GraphRouter、RouterDC 和 Router-R1 等 baseline。。。。。

同时，，，，，当实验中加入训练阶段未见过的 LLM 时，，，，，GraphPlanner 仍能坚持稳固且更优的体现。。。。。这说明它并不是简朴影象某个模子在某个使命上的标签，，，，，而是通过 LLM-role graph 和 historical interaction memory 学到了更可迁徙的协作模式。。。。。

别的，，，，，GraphPlanner 支持两种 inference 方式：

Inductive Setting：不依赖保存的历史交互，，，，，安排更轻量；；

Transductive Setting：使用历史 interaction memory，，，，，获得更高性能。。。。。

这种设计使 GraphPlanner 可以凭证现实安排需求，，，，，在效率和性能之间无邪切换。。。。。

GraphPlanner的焦点孝顺在于，，，，，它将LLM Router从古板的backbone selection推进到了agentic workflow generation。。。。。

已往的Router主要回覆：这个query应该交给哪个模子？？？

GraphPlanner 进一步回覆：

> 这个query应该怎样拆解？？？

> 哪些Agent Role应该加入？？？

> 每个角色应该由哪个LLM执行？？？

> 目今事情流怎样使用历史交互履历？？？

> 怎样在效果与本钱之间取得更优平衡？？？

因此，，，，，GraphPlanner不但是一个更强的Router，，，，，而是迈向多智能体 LLM 系统自动化编排的主要一步。。。。。

它让多个异构LLM不再只是被动挪用的工具，，，，，而是能够在Planner、Executor、Summarizer等角色下形成结构化协作流程。。。。。

关于未来的AI基础设施而言，，，，，这种ability to plan, route, remember, and coordinate将成为构建可扩展、多模子、多智能系一切的要害能力。。。。。

参考资料：

https://arxiv.org/abs/2604.23626

编辑：LRST

百度seo账号！百度seo怎么收费相关问题闭环

〖One〗、百度SEO网站推广是通过对网站举行优化，，，，，使其在百度搜索引擎的自然搜索效果中获得较高排名，，，，，从而吸引更多会见者、获取免费流量和潜在客户的一种互联网营销方式。。。。。什么是百度SEO？？？界说：SEO全称为Search Engine Optimization，，，，，即搜索引擎优化。。。。。

〖Two〗、百度推广SEO是指将百度推广（即百度竞价广告）与SEO（搜索引擎优化）两种网络营销方式连系运用，，，，，通过付费广告快速获取流量的同时，，，，，借助SEO提升网站在百度自然搜索效果中的排名和恒久可见度，，，，，二者相辅相成，，，，，配合提升品牌曝光与转化效果。。。。。

〖Three〗、百度SEO推广是通过搜索引擎优化手艺提升网站在百度搜索效果中的排名，，，，，从而增添流量和曝光率的网络营销手段。。。。。若是以为主线，，，，，正文需要把发明问题、定位问题和确认恢复串成一连历程。。。。。界说与原理百度SEO推广的焦点是使用搜索引擎优化（SEO）手艺，，，，，遵照百度搜索算规则则，，，，，对网站举行系统性优化，，，，，使其在用户搜索相关要害词时获得更高的自然排名。。。。。

〖Four〗、SEO是一种通过优化网站结构和内容，，，，，提升网站在搜索引擎中的自然排名，，，，，从而获取更多流量的手段。。。。。而百度推广则是百度提供的一种广告投放服务，，，，，通过付费的方式在搜索效果或其他网页展示广告，，，，，以增添网站曝光和会见量。。。。。两者的主要区别在于实现方式、本钱和效果一连性上有所差别。。。。。

百度seo账号！百度seo怎么收费案例中的百度推广seo是什么意思

〖One〗、百度推广SEO是指将百度推广（即百度竞价广告）与SEO（搜索引擎优化）两种网络营销方式连系运用，，，，，通过付费广告快速获取流量的同时，，，，，借助SEO提升网站在百度自然搜索效果中的排名和恒久可见度，，，，，二者相辅相成，，，，，配合提升品牌曝光与转化效果。。。。。

〖Two〗、百度SEO网站推广是通过对网站举行优化，，，，，使其在百度搜索引擎的自然搜索效果中获得较高排名，，，，，从而吸引更多会见者、获取免费流量和潜在客户的一种互联网营销方式。。。。。什么是百度SEO？？？界说：SEO全称为Search Engine Optimization，，，，，即搜索引擎优化。。。。。

〖Three〗、SEO是一种通过优化网站结构和内容，，，，，提升网站在搜索引擎中的自然排名，，，，，从而获取更多流量的手段。。。。。而百度推广则是百度提供的一种广告投放服务，，，，，通过付费的方式在搜索效果或其他网页展示广告，，，，，以增添网站曝光和会见量。。。。。两者的主要区别在于实现方式、本钱和效果一连性上有所差别。。。。。

〖Four〗、百度推广与SEO的焦点区别在于付费模式与自然排名的差别，，，，，百度推广通过付费快速获取流量，，，，，SEO通过优化恒久积累自然流量；；百度推广的优点是收效快、要害词无邪，，，，，SEO的优点是本钱低、稳固性强。。。。。

百度seo账号！百度seo怎么收费问题的验证方法

〖One〗、信誉与口碑：选择一个具有优异信誉和口碑的SEO优化公司或服务提供商很主要。。。。。？？梢酝ü蟛榭突兰邸⒃亩涟咐芯恳约慰藉计渌没У姆蠢±聪嗍端堑氖虑橹柿亢头务水平。。。。。 履历与专业知识：优先选择那些具有富厚履历和专业知识的SEO优化公司。。。。。他们对搜索引擎算法和规则有深入的相识，，，，，并能够提供周全有用的优化战略。。。。。

〖Two〗、准备账号：问答营销推广准备账号有两种方式：一种是自己注册；；一种是购置账号。。。。。准备百度问答推广提问内容：SEO推广提问的内容是推广中最为主要的一步，，，，，关系到客户搜索匹配、排名、流量以及存活率，，，，，要学会站在用户的角度、搜索流量的角度举行提问。。。。。

〖Three〗、优化网站SEO： - 确保网站内容高质量、原创，，，，，并围绕目的要害词举行优化。。。。。 - 合理结构要害词，，，，，提高网站在搜索引擎中的排名。。。。。 - 按期更新网站内容，，，，，坚持网站活跃度。。。。。 使用百度平台资源： - 注册并完善百度百家号、百度知道、百度百科等账号信息。。。。。

〖Four〗、网站结构优化 网站设计要清晰，，，，，结构要合理导航条理明确，，，，，只管扁平化。。。。。以是必需对搜索引擎友好度要高，，，，，必需有利搜索引擎蜘蛛的爬行和抓取。。。。。其次URL、404等方面也要做好，，，，，一切要从搜索引擎和用户体验角度来出发，，，，，若是是新网站的话，，，，，要做好SEO基础优化。。。。。

〖Five〗、要害词剖析（也叫要害词定位）这是百度seo营销推广中最主要的部分，，，，，要害词剖析包括：要害词聚焦剖析、竞争敌手剖析、要害词和网站关联剖析、要害词结构、要害词排名展望。。。。。网站架构剖析 网站结构切合搜索引擎的爬虫选择，，，，，有利于网络优化营销推广。。。。。

百度seo账号！百度seo怎么收费页面的焦点判断

〖One〗、百度SEO的效果主要体现在提升网站流量、提升品牌曝光、提升转化率、提升竞争优势以及实现恒久效益五个方面，，，，，详细如下：提升网站流量：百度SEO最直接的效果是提升网站自然流量。。。。。通过优化网站内容和结构，，，，，使其切合百度搜索算法，，，，，可显著提高网站在搜索效果中的排名，，，，，进而增添点击和会见量。。。。。

〖Two〗、百度推广与SEO的焦点区别在于付费模式与自然排名的差别，，，，，百度推广通过付费快速获取流量，，，，，SEO通过优化恒久积累自然流量；；百度推广的优点是收效快、要害词无邪，，，，，SEO的优点是本钱低、稳固性强。。。。。

〖Three〗、SEO是一种通过优化网站结构和内容，，，，，提升网站在搜索引擎中的自然排名，，，，，从而获取更多流量的手段。。。。。而百度推广则是百度提供的一种广告投放服务，，，，，通过付费的方式在搜索效果或其他网页展示广告，，，，，以增添网站曝光和会见量。。。。。两者的主要区别在于实现方式、本钱和效果一连性上有所差别。。。。。