大型语言模型（LLM）正被广泛用于未来预测，因而出现了将多模型视为群体智慧的思路。然而，仅靠扩大模型数量并不能保证真正的多样性，因为不同模型可能表现出高度冗余的行为。为此我们提出了一套行为感知框架，用于构建多样化的LLM群体。框架首先在若干独立的开发任务上收集每个模型的推理轨迹，将这些轨迹视为行为特征；随后利用 K-means++ 对模型进行相似度聚类；最后从每个簇中挑选出代表模型（即簇的中心或 medoid）组成预测群体。我们在 25 种 LLM 上执行了七个开发基准，用以构建行为多样性模型，并在两个未来预测基准上评估群体性能。实验表明，群体组成的影响往往超过规模本身：基于行为聚类得到的三模型 medoid 群体在两个预测基准上均超越了对全部 25 模型的传统投票方案，同时模型调用次数下降了 $88\%$，推理成本约降低 $80\%$。进一步分析显示，代表性的行为多样性比单纯追求最大化多样性更关键。
博主点评：该工作提醒我们，在大模型时代，精心挑选少数具备互补推理路径的模型，往往比盲目堆砌更多模型更具性价比，值得在实际系统设计中推广。