Исследователи представили метод ARIADNE, предназначенный для автоматического выбора наиболее подходящего адаптера в системах с использованием PEFT (parameter-efficient fine-tuning). В современных архитектурах одна базовая модель часто дополняется множеством специализированных адаптеров для решения различных задач. При отсутствии явных меток для входящих запросов система сталкивается с необходимостью быстрого подбора нужного модуля из растущего пула доступных компонентов.
ARIADNE реализует механизм агностической маршрутизации, который позволяет динамически определять оптимальный адаптер в процессе инференса. В отличие от существующих подходов, требующих предварительной классификации задач или сложной настройки, данный метод обеспечивает гибкость при работе с гетерогенными наборами адаптеров. Это позволяет масштабировать использование специализированных моделей без значительного увеличения вычислительных затрат на каждый запрос.
Решение направлено на оптимизацию работы с большими экосистемами моделей, где требуется высокая точность при выполнении разнородных операций. Автоматизация выбора адаптера снижает нагрузку на инфраструктуру и повышает эффективность обработки запросов в реальном времени, что критически важно для сложных агентных систем и сервисов, оперирующих множеством узкоспециализированных навыков.