Rohan Paul (@rohanpaul_ai) · 2026/10/23 02:00:26
DeepMind 论文提出模型竞价机制 实现近乎最优路由
出处作者 / 发布主体：Rohan Paul (@rohanpaul_ai)原标题：New Google DeepMind paper shows that if AI models offer money to answer each question and the highes...
78AI 研判分
核心综述
Google DeepMind 最新研究提出一种基于拍卖的模型路由机制，让多个 AI 模型对任务进行“出价”，由最高出价者作答。在模拟实验中，该机制达到了最佳模型性能的 99.2%，显著优于传统的路由方法，尤其在处理困难任务时鲁棒性极强。
报道全文原始报道全文
Rohan Paul (@rohanpaul_ai) · 2026-10-22 18
Google DeepMind 的新论文表明，如果 AI 模型为回答每个问题提供报价，并由出价最高的模型作答，其结果质量可达始终选择最佳模型的 99.2%。
也就是说，假设你事先不知道哪个模型最适合回答某个新问题，那么该由谁来作答？
论文给出的答案是：让每个模型为这项任务“竞价”。知道自己擅长此问题的模型会出更高的价。出价最高者获得作答权。
他们证明，当多个智能体通常对某个提示词赋予高价值时（例如蒸馏模型的表现接近最佳模型时），损失会缩小。他们在超过 30,000 个 EmbedLLM 提示词上模拟了 110 个模型之间的拍卖。
当所有 110 个模型参与竞价时，拍卖达到了理论最优值的 99.2%，而将每种类型的提示词路由到其最佳模型的方法仅达到 89.4%。在每种方法表现最差的提示词集群上，拍卖机制保持了 96.0% 的性能，而单一最佳模型仅保持 6.0%。
如果你运营一个模型市场，当每个竞价池中有多个强模型时，简单的按出价支付拍卖机制效果很好。
