GLOSSARY
集成（Ensemble）
组合多个模型的输出以得到优于任何单一模型的答案——多数投票、best-of-N 择优，或大规模的专家混合路由。
单一模型会犯“个性化”的错误；多个模型的错误各不相同，因此它们的一致是信号、分歧是警报。集成从简单（跨输出多数投票、带验证器的 best-of-N）到架构级（把每个 token 路由给专家的混合专家）再到产品级（Genspark 式多代理回答）。这个模式是测试时计算收益的基础：花更多推理去咨询更多意见。
代价是延迟与支出按意见数倍增，以及错误相关性——五个在同一类数据上训练的模型会以相似方式失败，因此训练的多样性才是集成有效的前提。对高风险分类与研究，集成往往是“还能买到的最便宜准确率”。