CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents

• 类型：arxiv
• 标识：2609.18779
• 链接：https://arxiv.org/abs/2609.18779
• 主分类：agent
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A predictive familiarity estimator that leverages mid-layer hidden states to evaluate semantic competence among agents, avoiding the overhead of full rollouts and achieving a trade-off between task performance and efficiency is designed.
• OpenAlex ID：W7213510733
• OpenAlex DOI：10.48550/arxiv.2609.18779
• DOI：10.48550/arxiv.2609.18779
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.18779
• OpenAlex更新：2026-09-19
• 副分类：engineering
• 待LLM分类：否
• 标题中文：CERA-MoA：与持续学习 LLM Agent 协同进化的路由机制
• TLDR中文：本文设计了一种预测式熟悉度估计器，利用中间层隐藏状态评估 Agent 间的语义能力，避免完整 rollout 的开销，并在任务性能和效率之间实现权衡。
• 来源文件：
• /inbox/tom/_candidates/2026-09-17-agent-rag-longcontext-candidates.json
• /inbox/tom/_candidates/2026-09-18-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]