AdaptOrch

LLM 性能趋同时代的任务自适应多智能体编排

Geunbin Yu · 韩国国民大学 · arXiv 2602.16873

arXiv 2602.16873 · 投稿 2026-02 · 中文版收录 2026-09-03

CITE

模型都差不多的时候，怎么搭队才是真正的杠杆。
— 本站导读

当各家大模型的基准分数挤进 2–5% 的窄带，「选哪个模型」不再重要，「怎么编排」才是主导性能的杠杆。AdaptOrch 给出这条论断的缩放定律证明，以及一个线性时间算法：分析任务 DAG 的结构特征，自动在并行 / 顺序 / 分层 / 混合四种编排拓扑中选型——同款模型下比静态拓扑基线提升 12–23%。

解决什么问题

2026 年初的模型格局出现悖论：GPT-4o、Claude 3.5 Sonnet、Gemini 2.0、Llama 3.3 70B、Qwen 2.5 72B 在 MMLU、HumanEval、MATH 上的分数聚在 2–5% 区间内（论文实测 MMLU 上 ε≈0.024）。模型选择的边际收益递减，而系统层面的编排结构开始主导结果。

现有编排方案都不做拓扑自适应：

静态框架（MCP、LangGraph、CrewAI、AutoGen）：定义固定的执行拓扑，拓扑靠人工设计，不随任务变化。
路由式系统（Mixture-of-Agents、LLM-Blender）：动态选模型或混合输出，但 agent 协调的结构拓扑不动。

实践界已感受到差距：Claude Code 的 Agent Teams、OpenCode 的并行子 agent 架构能把数小时顺序工作压缩到分钟级，但「怎么拆任务、选什么拓扑」仍留给用户——拓扑选择问题在算法层面悬而未决。

创新点

01性能趋同缩放定律THEORY

Var_τ / Var_M ≥ Ω(1/ε²)

当模型完全趋同（ε→0）且任务可并行时，编排拓扑带来的性能方差相对模型选择发散到无穷。以典型编码任务参数（并行宽度 ω≈3.4、耦合 γ≈0.35、ε≈0.05）估算方差比约 48.7——编排设计是与模型缩放正交的一等优化目标。

02拓扑路由算法（线性时间）CORE

把任务分解成带依赖与耦合强度标注的 DAG，提取三个结构属性：并行宽度 ω（最大反链）、关键路径深度 δ、耦合密度 γ，按决策规则在 O(|V|+|E|) 内路由到四种规范拓扑——τP 并行（无边全并发）、τS 顺序（ω=1）、τH 分层（高耦合+子任务多）、τX 混合（层内并行、层间串行）。路由开销 <50ms。

03自适应合成协议（可证明终止）

并行输出合并时用嵌入余弦相似度做一致性评分；不一致则交仲裁 agent，仍失败就调高耦合估计重路由（每次 +0.2），γ 超阈值必然转入有单一仲裁者的分层拓扑——至多 5 轮迭代保证终止，实测 94% 任务 2 轮内收敛。

关键结果

用 5 个 ε-趋同模型（GPT-4o-mini、Claude 3.5 Haiku、Gemini 2.0 Flash、Llama 3.3 70B、Qwen 2.5 72B）验证——所有方法同一批模型，唯一变量是编排方式：

SWE-BENCH VERIFIED

42.8

最强单模型

52.6

AdaptOrch

GPQA DIAMOND

46.2

最强单模型

53.1

AdaptOrch

HOTPOTQA (F1)

68.3

最强单模型

76.4

AdaptOrch

三个基准分别提升 +22.9% / +14.9% / +11.9%；混合拓扑整体被选中 49.7%——多数任务同时含可并行与必须串行的部分。
拓扑错配可能有害：静态全并行在 GPQA 上（44.1）反而低于最强单模型（46.2）——推理任务耦合高，盲目并行会丢上下文。
与计算量对齐的 Self-MoA 自一致性基线相比，剩余 11% 的一致差距来自拓扑感知的非均匀算力分配；消融显示合成协议贡献最大（去掉 −5.5），其后是自适应路由（−2.8）。

局限

分解质量依赖分解器模型；耦合估计是离散四档（0 / 0.3 / 0.7 / 1.0），较粗糙。
对单步原子任务编排没有增益——编排收益与任务可分解性成正比；创意写作、多模态场景待验证。
落地友好：可直接映射到 Claude Code Agent Teams、LangGraph、OpenCode + MCP 等现有基础设施。

← VMAO 目录 NLAH →