路由任意：通用AI系统模型与策略路由研究
🧭 模型路由 · 多模态质量成本权衡
National University of Singapore, HPC-AI Lab · InfRec, Cardinal AI Lab · University of California, Berkeley · Hong Kong University of Science and Technology
构建覆盖25个基准374k轨迹的omni-modal路由框架，证明学习路由器超最佳固定候选并提升效率8.82倍
📌 工作参考价值（4 点）
- 在推荐/搜索系统中维护多个候选模型（如轻量双塔、深度交叉、LLM排序器），训练一个轻量路由器（小型MLP或XGBoost）基于用户/物品特征、上下文及模型置信度动态选择，论文证明输入信息充分时学习路由器接近oracle上限，同时平均效率提升8.82倍。
- 搭建离线路由评估流程：对历史流量样本离线运行全部候选模型，记录质量分与延迟/成本，形成trajectory matrix，再训练路由器，可安全评估新模型加入后的整体收益，避免直接全量替换风险。
- 将路由用于Agent工具/策略选择：在电商对话助手中，根据用户query意图、语义和上下文路由到不同工具链或生成策略，降低昂贵LLM调用次数同时保持质量。
- 关注路由器输入特征设计：理论表明路由器可获得的信息决定可达性能，实用中可加入模型预测分布熵、历史表现等信号，而不只是原始输入特征。
M³Prune：面向多模态多智能体 RAG 的分层通信剪枝
🧭 多智能体协作效率优化 ★ 深度解读
Hefei University of Technology · East China Normal University · China University of Petroleum · Guangdong University of Finance and Economics · Alibaba Group
通过分层学习稀疏通信拓扑剪枝多智能体冗余交互，在提升多模态 RAG 准确率的同时大幅降低 token 开销
📌 工作参考价值（4 点）
- 在多智能体推荐或对话系统中，可直接引入可学习的软邻接矩阵（Gumbel-Softmax）对 Agent 间的通信权重建模，用策略梯度在训练时自动发现关键通信链路，替代固定拓扑。
- 分层剪枝策略（先剪模态内冗余，再剪模态间冗余）可迁移至多源信息（如商品图文、评论）的智能体协作，减少跨模态噪声，提升决策效率。
- 渐进式剪枝中的退化剪枝率 \(p^{(t)} = p^{(t-1)} \cdot \exp(-t/T)\) 和核范数正则项可作为通信成本控制模板，直接用于生产级多 Agent 系统的持续优化，避免一次性剪枝带来的不稳定。
- 模态对齐损失 \(L_{align}\) 可借鉴于推荐中多模态特征融合的对齐训练，显式保持图文 Agent 间语义一致性，防止因剪枝导致的协同失效。
面向冷启动推荐的隐式反馈去噪方法 DIF
🧭 去噪隐式反馈 · 冷启动推荐 · 伪标签生成 ★ 深度解读
Kuaishou Technology · Hong Kong Baptist University · Peking University · Nanjing University · Chinese Academy of Sciences
利用内容相似暖物品为冷物品生成置信度加权的伪标签，并通过不确定性估计自适应修正标签噪声
📌 工作参考价值（4 点）
- 冷启动物品的伪标签生成套路：利用已经训练充分的暖物品协同表示和用户塔输出，通过内容相似度检索top-k暖物品，用内积生成伪标签。电商冷启动物品（新品、新店铺）可复用这一思路，用图像/文本多模态相似度找到同类历史商品，借用其学习好的交互信号。
- 置信度加权聚合：对top-k伪标签按内容相似度做softmax加权，提升伪标签精度，避免简单平均带来的噪声。温度系数τ可调节相似度区分度，实践中相似度通常很高（>0.9），需要τ来拉开差异。
- 样本级不确定性自适应修正：结合相对熵（模型预测与标签的差异）和物品冷启动状态（曝光次数指数衰减）估计标签噪声，再按该不确定性对原始标签与伪标签做 convex 组合。这一机制可灵活插入任何双塔或CTR模型训练，且对暖物品影响极小。
- 工业在线部署架构：详细给出了内容相似暖物品实时检索与表示更新的pipeline设计——多模态推理服务→消息队列→item-to-item ANN服务→协同表示 Embedding 服务，完全适配流式训练场景，可供搭建推荐系统实时特征工程的团队直接参考。