Uno-Orchestra：打破编排僵局，让智能体在准确与廉价之间“全都要”

TL;DR

Uno-Orchestra 是一套全新的 LLM 编排范式。它不只是简单的路由，也不只是死板的任务分解，而是一个高度灵活的**选择性委派（Selective Delegation）**系统。通过将“怎么拆任务”和“派给哪个模型做”合并为一个决策过程，它在 13 项主流 benchmark 上将准确率提升了 16%，同时把成本压低到了原来的 1/10。

痛点深挖：为什么现在的智能体系统既贵又笨？

目前的 LLM 多智能体编排主要有两条死胡同：

1. 扁平化路由 (Model Routing)：比如一个轻量级模型决定把这个 query 发给 GPT-4 还是 Llama。这解决不了大任务需要分步走的问题，容易“毕其功于一役”却惨遭失败。
2. 层级化编排 (Hierarchical Orchestration)：系统强行把每个任务都拆成子任务。这种做法对简单问题极其浪费钱，而且拆分策略和执行模型的分配往往是脱节的，导致“Planner”和“Worker”之间缺乏默契。

作者的直觉是：一个真正聪明的“指挥家”应该拥有** Abstain（弃权）**的能力——简单任务直接秒杀（Lazy mode），复杂任务才动用手术刀式的分解，并且每一刀切下去时，就已经想好了这一块该交给哪个具体工种（模型+原始动作对）。

核心方法：Uno-Orchestra 统一决策机制

1. 将分解与路由合并为一种语言

Uno-Orchestra 不使用额外的模块，而是让一个 Qwen-7B 级别的模型通过输出特定的 XML 语法来决定一切。在一个 forward pass 中，模型会输出：

• <plan>: 任务的有向无环图（DAG）结构。
• <route>: 为每个子任务指定 (model, skill)。这里的 skill（原始动作）非常关键，它包含了代码执行、搜索或纯推理。

图 1: (A) 传统路由，(B) 层级编排，(C) Uno-Orchestra 统一架构

2. Agentic-GRPO：为每一步棋分配信用

传统的强化学习（如 GRPO）在处理多轮对话时，通常只在最后给一个总分（Pass/Fail）。这对智能体来说太难了：如果第一步路由错了，后面再努力也没用。

作者提出了 Agentic-GRPO。它在总奖励的基础上，引入了：

• 轮次级 return (Turn-level Return): 让模型知道是哪一次 Task Decomposition 或哪一次 Model Selection 导致了最终的成功。
• SHAPE 奖励: 奖励那些语法正确、逻辑闭环的中间步骤。

实验与结果：降维打击的效率

在包括 MATH-500, HumanEval, GAIA 等 13 个领域的综合评测中，Uno-Orchestra 的表现令人惊艳。

图 2: 准确率 vs. billed cost（账单成本）。Uno-Orchestra (最右上角节点) 实现了极高的准确率与极低的成本平衡。

• 准确率提升：平均 Pass@1 达到 77.0%，远超 AgentOrchestra。
• 成本骤降：每条查询的平均成本仅为 $0.10 左右。这是因为 Uno-Orchestra 能够识别简单任务并使用“Lazy Mode”，跳过昂贵的分解成本。
• 泛化性：实验证明，即使更换掉底层的 Frontier 模型（如去掉 Claude 3.5），Uno-Orchestra 依然能通过优化路由策略保持竞争力。

深度洞察：智能体的“吝啬”是一种美德

Uno-Orchestra 的核心理念是 Parsimonious（吝啬/简约）。 在 Case Study 中可以看到，模型不再盲目堆砌调用次数。例如在数学竞赛题中，如果发现约束条件本身是矛盾的，它会触发 decomp_repair 模式，先质询意图而非盲目计算。这种“审题”的能力是目前大多数编排器所欠缺的。

总结与局限

Uno-Orchestra 成功地将编排问题从一个“流程设计问题”转化为了一个“策略学习问题”。

局限性：

1. API 稳定性依赖：由于它依赖外部商业 API 作为 Worker，如果 API 的延迟或性能发生漂移，训练好的路由策略可能需要重新适配。
2. 校验器的依赖：RL 的效果高度依赖于 Verifier 的准确性，对于没有客观标准（如创意写作）的任务，其表现尚待验证。

总的来说，Uno-Orchestra 为通向低成本、高可靠的智能体系统指明了一条清晰的道路：让 AI 学会像人类专家一样，在“快速反应”和“深思熟虑”之间自如切换。