ARTi Benchmark · 架构方案

Architecture v1.0

五项架构优化——动态路由、结构化证据包、层间压缩、模型分级调度、自动评分修复——系统性降本提质。

动态分析师选择

在 Layer 0 加一个路由器，解析问题意图后只激活必要的分析师。估值问题不需要宏观分析师，宏观判断不需要个股分析师。

Token 消耗降低 30-50%

每个分析师不再写完整文段，统一输出 JSON 格式的证据包（claim + evidence + confidence），后续层只处理结构化数据。

{
  "claim": "NVDA 数据中心收入同比增长 122%",
  "evidence": "2024Q4 财报，Revenue $35.1B，YoY +122%",
  "confidence": 0.95,
  "source": "SEC 10-K 2024-02-21"
}

Token 消耗降低 40-60%

进入下一层前做一次合并：提取各分析师共识、保留核心分歧、删除冗余。Context 长度恒定可控，不会越传越长。

Context 长度恒定

根据任务复杂度选择不同规格的模型，避免用大模型处理简单归纳任务。

简单归纳Haiku / mini低

冲突判断Sonnet中

最终合成 + 修复Opus按需

成本降低 60-70%

输出前自动打分，低分报告触发修复流程，高分报告直接输出，避免全量过一遍大模型。

≥ 80 分直接输出—

60–79 分轻修Sonnet

< 60 分深修Opus

质量稳定，成本可控

优先级：P0 → Layer 1 结构化输出 + 自动评分修复；P1 → 路由器 + 层间压缩；P2 → Benchmark 问题集 + 竞品横向对比。