ProgRouter：在线进展驱动的多 Agent 路由

复现级别：核心机制 mini-suite。 真实执行论文特有的控制流/目标；未把确定性任务成功率当作论文 benchmark 复现。

论文信息

字段	内容
论文链接	arXiv 2608.25992
公司 / 机构	Aston University（第一作者第一署名单位）
首次公开日期	2026-08-26（arXiv v1）
原作者代码	否：未发现原作者公开代码（核查日期：2026-08-28）
本地 adapter / 方法	progrouter
本地复现代码	src/auto_research/agent_research/latest_20260827.py

原始论文总结

背景与主要改动

用多视角 scorer 衡量子任务完成度、进展趋势和状态质量，再由双路径 predictor 估计候选模型的边际进展，以 meta-gate 在质量、时间和长期成本预算间逐步决策。

flowchart LR
  I[任务与当前状态] --> M[progress predictor / meta gate / budget routing]
  M --> O[策略动作或训练目标]
  O --> E[可审计指标与反馈]
  E --> M

原论文关键图

原论文 Figure 2（关键图）：展示原论文的整体流程、关键阶段及其数据流向。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ m_t^*=\arg\max_m\frac{\widehat{\Delta p}(m|s_t)}{c(m)}-\lambda_t c(m). \]

论文离线与线上效果

HumanEval+ pass rate 93.0% 且满足 4800J 预算；MBPP 79.4%、3376J；ASQA citation precision 92.1%。

本地复现

L2 隔离能力评测（主结果）

ProgRouter 把验证后的工具选择压缩为可复用程序路由，validation/test 冻结路由后再执行。ToolRoute-L2.1 三 seed的 joint success 为 0.7778，plan step F1 为 0.8037，平均成本 4.6324。

指标见 metrics/toolroute-l2-seeds42-44.json。下方 PlanBench-mini 只作机制诊断。

本地对照口径：PlanBench-mini 120 episodes，joint success 1.0000、平均成本 0.3100；关注 progress predictions、meta-gate 和 budget downgrade。

指标见 metrics/progrouter-planbench-mini-seed42.json。 批次索引见 ../../experiments/latest-20260827-seed42.json。

auto-research agent-eval --method progrouter --benchmark planbench-mini --episodes 120 --seed 42

复现边界

本地 mini-suite 用公开、确定性的候选/计划任务隔离机制差异；论文 checkpoint、私有训练数据、外部服务和完整 benchmark 均未声称已复刻。