遇上簡單查詢，多輪推理可能徒增成本；碰到程式或需要拆解的任務，只呼叫一次模型又可能不夠。RouteWeaver 是一個大型語言模型路由框架，讓單一策略先選擇單輪、多輪或 agentic 執行模式，再安排工作模型處理子問題，嘗試同時照顧答案品質與呼叫成本。

路由策略採用 Qwen3-4B-Instruct-2507，並在六個凍結的工作模型之間分配任務。所有模式共用一套行動格式：單輪只呼叫一次；多輪會按前一次觀察結果作出兩至四次連續呼叫；agentic 模式則可在最多八次呼叫中，以角色和參照關係組織多層協作。工作模型的輸出只作為策略的上下文，不會直接接受梯度更新。

訓練方法 COMET-GRPO（COordinated Mode–Execution Training）分開比較模式選擇和模式內執行，避免只看整段任務的獎勵時，難以判斷失誤源於選錯模式，還是執行不佳。漸進式探索會先由外部指定模式，待各模式累積執行經驗後，才逐步交由策略自行選擇；另一項獎勵則把成本納入考量，令路由器不只追求答案表現。

這套做法適合需要按任務難度調整模型呼叫流程的研究團隊，以及同時處理查詢、數學、程式和知識任務的服務。單輪模式可減少簡單工作的額外呼叫；多輪及 agentic 模式則提供分步推理或角色協作空間。代價是增加了路由策略與執行流程的訓練、協調複雜度，而成本獎勵也不能單獨保證每個任務都會選到最合適模式。

• 一個策略同時決定執行模式及工作模型路由。
• 六個工作模型保持凍結，策略負責編排呼叫與整理答案。
• COMET-GRPO 分開給模式決策和模式內執行評分。
• 成本獎勵與漸進式探索，分別處理資源取捨及模式探索。

程式碼、訓練後的路由器及項目頁已公開；提供模型與資料入口。先理解方法及評估設定，再按公開程式與模型資料判斷是否符合自己的任務。

項目主頁 · GitHub · 模型

當 Agent 的執行流程不斷改變，模型可能未學懂新要求，也可能因 Harness 限制而用不出原有能力。CoEvoX 屬於 LLM agent 的模型—Harness 共演框架，透過共同演化歷史檔案，協調模型檢查點、執行框架與實驗結果。

每輪流程由 meta-agent 編輯新 Harness，從歷史檔案選擇或合併模型 checkpoint，再用拒絕取樣軌跡進行 SFT；只有通過驗證的改善組合才會晉升。TIMR（Turn-level Interface Mismatch Rate）用來診斷逐回合的介面錯配，亦令模型選擇不再只看單一模型能力。

• Qwen3.5-9B 經 CoEvoX 調整後，部分失效歸因測試超越更大型模型
• 評估涵蓋多代理失效歸因、角色感知 text-to-SQL 及智能家居指令
• Held-out 測試避免同時參與訓練與演化選擇
• 結果並非全面領先，部分演算法生成或 When 指標仍落後其他方法

失效歸因結果中，CoEvoX 在 Hand-Crafted 的 Who、Pro 的 Who，以及 TraceElephant 的 Who 分別取得 68.39%、69.43% 和 70.78%，但在 TraceElephant When 只有 28.92%，低於 GSPO 的 38.36%。這反映共演化能改善特定工作分工，卻未必對所有推理步驟同樣有效。

項目較適合研究 recursive self-improving agents、模型訓練及 Harness 設計的團隊，用來測試模型與工作流程是否互相配合。提供的資料沒有完整安裝、執行指令或部署流程，亦不應直接假設可隨意下載；目前較合理的理解是把它視為附有實驗框架與評估方向的研究項目。

GitHub · 模型