arXiv 论文实测：推理模型加入路由池后多模型增益仅 0.2-0.6 个百分点
原文标题：When Strong Reasoners Join the Pool: Small Union Premiums and Costly Runaway Generations in LLM Routing
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在单张 NVIDIA B300 上以固定协议对 MATH-500 做 4.5 万条评分，比较 Llama-3.3-70B 与英伟达 Nemotron Nano 9B v2、Nemotron Super 49B v1.5。两个推理模型准确率均达 96.1%，但多模型「任一正确」增益仅 0.215-0.588 个百分点，远低于此前小模型池的 3.5 个百分点，且长生成拖慢整体。
- 问题
- 推理模型进入路由池后，多模型「任一正确」增益有多大未知。
- 方法
- 在单张 B300 上固定协议、预提交生成，对 MATH-500 做 4.5 万条评分对比。
- 结果
- 两个推理模型均达 96.1% 准确率，但多模型增益仅 0.215-0.588 个百分点，远低于小模型池的 3.5 个百分点。
- 影响
- 强推理模型下路由收益大幅缩水，多模型调用方案需重新评估成本收益。
机构：NVIDIA
深读 · 结论先行AI 生成展开看要点与影响 ↓
推理模型入池后多模型「任一正确」增益仅 0.215-0.588 个百分点，远低于小模型池的 3.5 个百分点。
- •单张 NVIDIA B300 上固定协议预提交生成，MATH-500 全部 500 题、每题 30 个种子样本，共 4.5 万条评分
- •Nemotron Nano 9B v2 与 Super 49B v1.5 准确率均达 96.1%，Llama-3.3-70B 基线为 76.2%
- •所有两模型与三模型池的乘积耦合增益为 0.215-0.588 个百分点
- •相对总是调用 Nano 的选择余量为 1.27 个百分点；Nano 重采样三次与三模型各调一次的实际任一正确率几乎相同
- •仅 31 条响应触及 65,536 token 上限，其中 25 条尾部严格周期，但触顶响应占某模型输出的最高 60.2%
为什么重要：路由池里加推理模型带来的边际收益被实测压到不足 1 个百分点，且长生成拖慢整体——做模型路由与级联的团队需要重新算这笔账。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。