# ICML 2026 中稿的 FusionRoute：让多个模型在生成每个词时自己选最合适的专家，还能自我纠错

> 原标题：ICML 2026｜FusionRoute：从专家路由到自我修正，一种新的多LLM协作范式

- 来源：机器之心 · 公众号
- 发布时间：2026-06-07T03:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/35117
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651037576&idx=3&sn=d9f62fcd25f17dc41ab5b387f1862731

## 摘要

这篇 ICML 2026 的论文提出了一种叫 FusionRoute 的多模型协作方法。它不直接合并模型，而是冻结住几个专家模型不动，只训练一个轻量的路由器。这个路由器会在生成文本的每一个 token（词或子词）时，实时挑选一个最合适的专家模型来输出，同时把路由器的判断分数和专家模型的输出分数揉在一起，让最终选择更准。

## 推荐理由

ICML 2026 论文提出 FusionRoute，冻结多个专家模型只训练轻量路由器，在生成每个 token 时实时挑选专家并融合路由与输出分数，为多模型协作提供了一种可迁移的方法。

## 锐评

每个 token 都跑一次路由，这个开销在论文里通常不算进账。冻结专家只训路由器确实省，可推理时每步都要过一遍路由打分再挑模型，延迟和调度成本全落在线上，多模型并发的显存占用也不是路由器那点参数量能盖住的。ICML 中稿说明思路有审稿人认，但没给性能数字和部署成本，我只能当它是实验室里的东西。真要做多模型协作，先问一句省下来的效果值不值这份调度复杂度。
