CERA-MoA：路由机制与持续学习 LLM agent 的协同演化

论文提出 CERA-MoA 框架，针对现有 Mixture-of-Agents 把查询路由与 agent 微调分开处理、无法适应 agent 能力变化的问题，用迭代强化学习让动态 router 与独立 agent 策略共同演化，并用基于中层隐藏状态的熟悉度估计器和累积阈值自适应路由机制激活最小 agent 子集，在多领域实验中超过静态路由与固定工作流微调基线。

此前 MoA 类方案通常把路由与 agent 微调视为两个独立环节：路由策略在训练后无法跟上 agent 能力变化，agent 也难按数据形成协同分工。该工作把两者放进同一迭代强化学习循环，使路由能随能力演化调整并主动分配训练样本，方向从静态编排转向共同演化。

机制上，预测式熟悉度估计器读取 agent 的中层隐藏状态来判断其对查询的语义胜任度，避免完整 rollout 的开销；熟悉度分数进入累积阈值自适应路由，动态激活尽量少的 agent 子集以平衡效果与效率；同时按 agent 当前能力主动分配针对性训练样本，推动能力分化，形成路由与 agent 相互促进的循环。

对多模型或多 agent 产品，这意味着路由层可做成可训练组件，按查询动态选取最小模型组合，有望降低推理成本并减少对固定工作流的依赖；研发上需要把模型选择、微调数据分配和在线评估打通，并关注熟悉度估计器对隐藏状态的读取是否增加工程复杂度。

• 在多模型网关中试点基于中间层状态的能力打分，替代按规则或全量试跑的模型选择
• 为 agent 池设计按能力分化的训练样本分配流程，验证是否减少冗余微调
• 构建路由与模型共同迭代的离线评估管线，对比静态路由的延迟与效果

• 论文未给出具体基准、数据集和量化提升幅度
• 熟悉度估计器读取中层隐藏状态是否要求模型开放内部表示
• 协同演化在多轮迭代中的稳定性与计算成本尚未披露
• 是否有可复现实现或工程落地案例仍不明确