Route Anything、AIモデルの振り分けを研究

研究者らは、タスクに応じて専門AIモデルや方策を動的に選び、連携させる枠組み「Route Anything」を発表しました。全能力を1つのモデルに任せるのではなく、タスクの質と計算コストのバランスを取りながら候補を選ぶ方法を検証しています。

研究者らは、言語理解、画像・動画・音声生成、コーディング、職場のエージェント、ロボット操作に関する25のベンチマークを網羅した、複数種類のタスクにまたがる採点結果の行列を作成しました。452種類の候補構成から得た374,401件の採点済み実行を収録し、モデルルーティングや学習型ルーター、ルーティングによって効率が上がる条件を調べました。

16のベンチマークでは、学習型ルーターが最良の固定候補を0.3ポイント上回りました。動画生成では2.1ポイント、ロボット操作では1.1ポイント向上し、方策の処理時間は24%短縮しました。入力ごとに最適な候補を選ぶオラクルルーティングは、最良の固定候補を5.4ポイント上回りました。著者らはさらに、参照モデルと比べてルーティングにより効率が平均8.82倍向上したと報告しています。

研究者らは、タスクに応じて専門AIモデルや方策を動的に選び、連携させる枠組み「Route Anything」を発表しました。全能力を1つのモデルに任せるのではなく、タスクの質と計算コストのバランスを取りながら候補を選ぶ方法を検証しています。

研究者らは、言語理解、画像・動画・音声生成、コーディング、職場のエージェント、ロボット操作に関する25のベンチマークを網羅した、複数種類のタスクにまたがる採点結果の行列を作成しました。452種類の候補構成から得た374,401件の採点済み実行を収録し、モデルルーティングや学習型ルーター、ルーティングによって効率が上がる条件を調べました。

16のベンチマークでは、学習型ルーターが最良の固定候補を0.3ポイント上回りました。動画生成では2.1ポイント、ロボット操作では1.1ポイント向上し、方策の処理時間は24%短縮しました。入力ごとに最適な候補を選ぶオラクルルーティングは、最良の固定候補を5.4ポイント上回りました。著者らはさらに、参照モデルと比べてルーティングにより効率が平均8.82倍向上したと報告しています。