在实际使用中，没有单一的大语言模型（LLM）能够在所有查询上保持一致的可靠性，这促使研究者构建多模型推理系统。传统的路由方式在选定首个模型后即停止，而密集协作则在每一次查询上都调用所有候选模型。我们发现协作行为是非单调的：在某些情况下，同行模型能够纠正单模型无法解决的错误，但在另一些情况下，协作反而会破坏本已正确的答案。
为了解决这一矛盾，我们提出了 COMED（Controlled Model Escalation for Multi-LLM Deliberation），它是一种后锚控制器，用于在需要时选择性地进行跨模型协作。COMED 通过三大机制实现选择：
- 锚点自一致性：如果模型自身输出在多次采样后保持一致，则直接接受。
- 路由器边际：利用路由器的置信度差距判断答案是否模糊。
- 轻量同行探测：在模糊情况下，向少数候选模型发送简短探测，以评估协作的潜在收益。
我们进一步用“救援‑伤害”分解公式化了选择性协作的收益：当通过协作救援的错误数量大于因协作引入的错误时，整体性能提升。实验在医学、科学和通用推理基准上进行，覆盖 16 种开源模型配置。结果显示，COMED 在所有设置下均优于固定锚点和路由锚点，最高在 MedQA 上提升了 10.7 个百分点，同时调用的模型数量和解码 token 数均低于密集协作。
在使用前沿模型（如 GPT‑5.5）的 HLE 基准上，COMED 将准确率从 23.1% 提升至 28.1%，超越了密集协作并取得最佳成绩。
点评