Agent‑Conditioned Routing（ACR）という手法は、同じ問題に対して複数の正しい解法を生成できる件数を、温度サンプリングに比べて約2倍増加させました。

ACRは、事前に学習された大型言語モデルの混合オフサンプル（Mixture‑of‑Experts）構造を凍結したまま、各経路で重複しない専門家へ到達できる「エリジビリティマスク」を持たせ、4つの並列トラジェクトリを同時に走行します。

評価に用いたベンチマークは、126問の数学・物理問題から構成され、各問題に対し同一プロンプトとタートレスデコーディングを用いて4つの経路が生成されます。今回の結果、GLM 5.3バックボーンではACRで37.3問、温度最高設定で18.7問と、約2倍の多解法件数が確認されました。GPT‑5.6 Solバックボーンでも45.0問対27.0問で同様に成績が上回ります。

しかし、人間による盲検レビュー（30問を対象）では、ACRは多解法件数は増えたものの、正答率が低下しました。例として、QwenモデルのACR（P = 96）では57.5％の正答率だったのに対し、温度サンプリングでは98.3％でした。

メモリ負荷は1経路あたり約160 KiBとわずかで、ピークVRAM使用量はバッチ温度サンプリングと比較して約3％増に留まり、レイテンシもほぼ同等です。

ACRは、ユーザーが特定の解法を事前に指定する必要がなく、モデルが自律的に多様性を生み出すことを示唆していますが、正確性の低下とわずかなリソースオーバヘッドが課題として残ります。