学会提问：预算约束下 SLM-LLM 协作的信息获取

小语言模型（SLM）与大语言模型（LLM）之间的协作，为结合小型模型的高效率与大型模型的强大推理能力提供了机会。现有方法主要将此类协作视为计算分配问题，即确定推理过程的各个部分应由哪个模型处理。然而，在基于黑盒 API 的场景中，这种范式可能因粒度过粗的任务委派，或模型切换时反复传输上下文而效率低下。在本文中，我们转而将 SLM-LLM 协作建模为预算约束下的信息获取问题。SLM 仍作为主要推理器，仅在需要时选择性地向黑盒 LLM 顾问发起查询，提出有针对性的问题，而不是将推理过程本身委派出去。为实现这一策略，我们构建了一个三阶段 RLVR 框架，学习是否调用顾问、如何构造有用的查询，以及如何通过联合优化顾问调用与信息利用，将协作整合进推理过程。在数学推理和代码任务中，我们的方法相较于现有协作基线改善了性能—成本权衡，并且在某些设置下达到了甚至超过了理想的问题级路由效果。最后，我们展示了该策略无需进一步训练即可迁移到其他顾问模型系列。