多智能体路由基准发布

论文将工具和智能体路由建模为集合预测，并基于WildChat构造3000条多标签评测。

推荐理由：把路由从单选分类改成集合预测更贴近真实代理编排，且把过选成本、延迟和执行代价纳入评测，直指多Agent系统落地时的成本控制问题。