一个请求，多位专家：大语言模型（LLM）通过自适应任务路由来协调不同领域的模型

《IEEE Potentials》：One request, multiple experts: LLM orchestrates domain specific models via adaptive task routing

　　

摘要：

随着大规模分布式能源资源的整合以及新型市场主体的广泛参与，主动配电网络（ADN）的运作逐渐演变为一个复杂、多场景、多目标的问题。尽管专家工程师已经开发了许多特定领域的模型（DSM）来解决不同的技术问题，但掌握、整合和协调这些异构的DSM仍然需要ADN运营商付出相当大的努力。因此，迫切需要一种智能方法来统一这些DSM并实现高效的协调。为应对这一挑战，本文提出了ADN-Agent架构，该架构利用通用的大型语言模型（LLM）来协调多个DSM，实现自适应的意图识别、任务分解和DSM调用。在ADN-Agent内部，我们设计了一种新颖的通信机制，为多种异构的DSM提供了一个统一且灵活的接口。最后，对于特定的语言密集型子任务，我们提出了一种自动化的训练流程来微调小型语言模型，从而有效提升了系统的整体问题解决能力。全面的比较和消融实验验证了所提出方法的有效性，并表明ADN-Agent架构优于现有的LLM应用范式。