Learned orchestration 能够自动构建高效的语言模型多代理系统，但现有方法将规划与固定的 worker 池耦合，并且从同一终端结果同时学习任务分解和协作，导致迁移能力受限且难以进行信用分配。我们提出 DeOrch，将 worker‑agnostic 规划与具体 worker 选择解耦。两阶段规划器首先在不使用 worker 信息的情况下对任务进行分解，然后利用来自 worker 池的紧凑、无身份的 matchability 反馈来选择协作操作，从而实现对分解决策和协作决策的条件信用分配。轻量级 matcher 通过在固定探测集上的行为估计 worker 适配度，并结合上下文 bandit 在线适配，使得新 worker 能在无需重新训练规划器或 matcher 的情况下加入系统。实验在多种内部和外部任务上表明，DeOrch 在调用次数更少的情况下超越了已有的自动 MAS 编排方法，能够在全新 worker 池上直接迁移且保持性能，并且两大组件均贡献了稳定的提升。
点评