Mode A per-paper synthesis. Target: Maestro — 在固定 GPU 预算下、用 agent 级预测驱动的三层（node/cluster/global）跨集群 LLM-MAS 调度系统。 Peer set (7): ConServe (2606.01839)、HexAGenT (2605.16637)、Sutradhara (2601.12967)、Orla (2603.13605)、MARLIN (2605.13496)、GORGO (2602.11688)、PBKV (2605.06472)。
这 7 篇构成 Maestro 的"agentic/多模型 serving 调度"近邻星系。可按 Maestro 三个技术支柱（预测 · 节点内存复用 · 跨集群路由）划分它们的相关性：
A. 调度单元与预测哲学（最直接对立面）
B. 节点内存 / KV-cache 复用
C. 跨集群 / 跨区域路由
D. 系统定位对照
vs ConServe —— 预测 vs 观测的正面冲突（最重要的 delta）。
Maestro 明确声称 agent-aware 两阶段预测器把长度 MAE 降低 19.2%（MAE 165.43，$R^2=0.7774$），并把这个预测线程进 4 个下游决策点 [2606.12950]。ConServe 则声称"对预测的依赖是调度单元强加的，不是 workload 固有的"，并证明只用两个可观测信号（turn-1 input length + per-decoder KV occupancy）即可 zero cost model 运行 [2606.01839]。
矛盾根源: 两者的调度单元不同。Maestro 调度 stage（每个 LLM 调用），在这个粒度上 decode 长度确实不可观测，所以必须预测。ConServe 调度 conversation，把 turn 级不确定性折叠掉，于是不确定性消失、预测无必要 [2606.01839]。两者在各自单元下都自洽——但这揭示 Maestro 的一个隐含假设：它默认 stage 是不可再抬升的调度原子。ConServe 的存在说明"换单元消除预测"是 Maestro 未探索的正交路线。
vs HexAGenT —— 同问题、不同 surrogate、不同验证强度。
两者都做 workflow-aware 排序对抗 HoL blocking。delta 在于：(i) HexAGenT 的 $R_s$ 用 standalone horizon $H_w$ 归一化不同 workflow 的内在复杂度 [2605.16637]，Maestro 的 SRTF 用绝对预测剩余时间，未做跨 workflow 归一化——理论上 Maestro 在混合 workload 下可能对长/短 workflow 不公平；(ii) 验证强度：HexAGenT 在真实 A100/H100/H200 异构物理集群做主实验 [2605.16637]，而 Maestro 的旗舰 cross-cluster 贡献只在 5 节点模拟器验证（物理集群只验证 node-level colocation）[2606.12950]。这是 Maestro 相对 HexAGenT 的一个明显短板。
vs GORGO —— cost model 结构的 delta。
GORGO 的 additive cost model 因"组件时序串行"而成立，并用线性回归标定 $t_p$（$R^2=0.9863$）证明 additivity [2602.11688]。Maestro 的 fitness score $S(N,T)=A-\lambda T_{\text{ready}}-\mu C_{\text{deg}}$ 是把 $\hat T_{\text{e2e}}$ 里 node-invariant 的 $\hat T_{\text{exec}}$ 项丢弃后的等价 argmax [2606.12950]。delta：Maestro 多了 GORGO 没有的 model readiness / activation cost 维度（冷启动 tens-of-seconds），这正是 GORGO 假设"各区域 per-token timing 相近"所忽略的；反过来 GORGO 显式建模 prefix overlap 的时间价值 $L_{\text{hit}}\cdot t_p$，而 Maestro 在 VMM 弹性 KV 模式下主动禁用 long-lived prefix caching 以保证可回收性 [2606.12950]——两者在 prefix reuse 上做了相反取舍。
vs PBKV —— 预测对象与鲁棒性理论的 delta。
Maestro 预测标量（输出长度），PBKV 预测分布（下一步 agent 调用）[2605.06472]。关键 delta：PBKV 提供 Lipschitz 遗憾界（Theorem 5.1，常数 $1/(2(1-\gamma))$ 独立于规模），保证预测退化时收益连续不断崖 [2605.06472]；Maestro 完全没有预测失效的形式化保证，只用 EWMA 安全裕度 $\rho\in[0.1,0.3]$ 做工程兜底 [2606.12950]。PBKV 的分层"确定性护栏 + 概率系统"是 Maestro 内存准入可借鉴的稳健性范式。
vs Sutradhara / Orla —— 覆盖面 delta。
Sutradhara 深入单请求内的 prefill-tool 重叠与语义 KV 标签 [2601.12967]，Maestro 则声明"tool 执行不预留 CPU/网络资源"、把 tool 延迟仅作为 profile 项 [2606.12950]——Maestro 在 tool 调度上比 Sutradhara 浅。Orla 无预测、单机、无跨集群 [2603.13605]，Maestro 在三个维度上都是超集。
vs MARLIN —— 目标函数 delta。
MARLIN 优化碳/水/成本/TTFT 四目标 Pareto 前沿 [2605.13496]，Maestro 优化 SLO/HBM/延迟，不含可持续性维度。方法论上 MARLIN 用博弈论 RL consensus，Maestro 用解析 cost model + 贪心 argmax——Maestro 更可解释、开销更低（预测 11.24ms），但缺乏 MARLIN 的多目标权衡能力。
攻击点 1 — 旗舰"cross-cluster"贡献的验证是模拟的。
标题与 abstract 把 cross-cluster scheduling 列为核心贡献，但 §IV.D.5 明确物理集群只验证 node-level colocation，跨集群路由"isolates ... using ... simulator"[2606.12950]。相较之下 HexAGenT 在真实异构物理集群跑主实验 [2605.16637]。反驳: 67.2% HBM 与 23.6pp SLO 两个头条数字分别来自 5 模型单卡内存记账与 trace 模拟，均非端到端多区域物理部署——旗舰贡献的外部效度存疑。
攻击点 2 — 预测准确性是整栈的单点依赖，但无失效保证。
Maestro 自陈"核心技术壁垒是让一个校准的预测器同时服务 4 个决策点"[2606.12950]。这意味着预测退化会同时污染 KV 准入、SRTF 排序、路由裕度。反驳（借 ConServe + PBKV）: ConServe 证明 per-turn 预测系统随错误率线性劣化 [2606.01839]，PBKV 专门用 Lipschitz 界防止断崖 [2605.06472]。Maestro 只报告 clean-holdout 的 MAE，未做预测噪声注入的鲁棒性 sweep（对比 HexAGenT 做了 10–30% 误差注入 [2605.16637]、PBKV 做了 $\lambda$ 噪声 sweep）——预测失效下的行为是盲区。
攻击点 3 — SRTF 缺乏跨 workflow 归一化，可能对复杂 workflow 系统性不公。
Maestro 的 $\hat T_{\text{rem}}$ 是绝对预测剩余时间 [2606.12950]。反驳（借 HexAGenT）: HexAGenT 明确指出直接比较 absolute remaining time 对不同 DAG 复杂度的 workflow 不公平，必须除以 standalone horizon $H_w$ 归一化 [2605.16637]；ATLAS 那类 attained-service 也被证明是错误目标。Maestro 的纯 SRTF 会持续压制长 workflow（虽然有 aging 兜底），在混合 workload 下的 tail 公平性未被量化。
攻击点 4 — Table II 的非单调性未被解释。
SLO attainment 随节点数 29→60→38→75→85% 非单调，3 节点掉到 38%[2606.12950]。这暗示调度器在中等规模下存在未诊断的病态行为（可能是 fitness 归一化窗口或 preemption 抖动）。论文用 hysteresis 声称防抖，但该数据点本身就是抖动的证据。
攻击点 5 — 禁用 prefix caching 的代价未量化。
为保证 VMM KV 可回收，Maestro 在弹性模式禁用 long-lived prefix caching [2606.12950]。反驳（借 GORGO/ConServe）: GORGO 显示 prefix reuse 的时间价值 $L_{\text{hit}}\cdot t_p$ 可观 [2602.11688]，ConServe 的整个 tail 效率依赖 prefix-cache 命中使 append 塌缩到 ~27ms [2606.01839]。Maestro 换来了内存超额，但牺牲的 prefix 复用收益从未被 A/B 量化——在长上下文 agent 场景这可能是净负。
范式定位：Maestro 属于"prediction-guided, single-control-loop, full-stack agentic serving"这一支，是把 workflow 感知从单一维度扩展到三层协同的集成者，而非某个单点机制的开创者。
采纳证据（偏弱）: Maestro 无开源仓库 [2606.12950]，基于 vLLM v0.11.0 扩展并集成 kvcached（CUDA VMM）。这与 peer 集普遍状况一致——Sutradhara/PBKV/HexAGenT/MARLIN/GORGO 均"实现未公开" [2601.12967] [2605.06472]，唯一开源的是 Orla（github.com/dorcha-inc/orla, Go）[2603.13605]。因此该子领域整体处于"论文原型、难复现"阶段，Maestro 不构成例外。其对 kvcached / vLLM 生态的依赖是可复现的最强锚点。
方向 1 — Hybrid 预测/观测调度（Maestro × ConServe）。
把 ConServe 的 conversation 级观测作为外层、Maestro 的 stage 级预测作为内层：外层用可观测的 turn-1 input length 做 admission/provisioning（消除对长期预测的依赖），内层仅在 conversation 内部用轻量预测做 stage 排序与 KV 准入。这样把 ConServe 的"bottleneck 落在可观测侧"[2606.01839] 与 Maestro 的 stage 粒度内存超额结合，可能同时获得鲁棒性与细粒度效率——目前无人做双层"观测外/预测内"架构。
方向 2 — 给 Maestro 的整栈预测加 Lipschitz 式退化保证（Maestro × PBKV）。
Maestro 的 4 个决策点共享一个预测器却无失效理论。可移植 PBKV 的"确定性护栏 + 概率评分"分层 [2605.06472]：为 KV 准入设一个不依赖预测的确定性基线（如基于历史 P95 长度的保守裕度），仅在其上叠加预测收益，并证明整栈 SLO 遗憾对预测误差 Lipschitz 连续。这是把 algorithms-with-predictions 框架从单点 KV 淘汰扩展到多决策 serving stack 的开放问题。
方向 3 — 跨 workflow 归一化的 SRTF（Maestro × HexAGenT）。
用 HexAGenT 的 projected scaled-SLO ratio $R_s=\frac{(t-a_w)+\Delta_s}{H_w}$ [2605.16637] 替换 Maestro 的绝对 $\hat T_{\text{rem}}$，使排序在混合 workload 下对不同复杂度 workflow 公平。进一步：把 Maestro 的 node 级内存超额与 HexAGenT 的异构 P-D placement 合成一个真正在物理异构多集群上验证的系统——填补 Maestro"cross-cluster 仅模拟"的空白。
方向 4 — readiness-aware + prefix-aware 的统一路由（Maestro × GORGO）。
Maestro 的 fitness 有 readiness/activation 维度但禁用了 prefix caching；GORGO 有 prefix overlap 维度但假设无冷启动 [2602.11688]。把 $L_{\text{hit}}\cdot t_p$ 的 prefix 时间价值与 model activation cost $T_{\text{act}}\approx\text{Size}/\text{BW}_{\text{tier}}$ 放进同一个 additive/fitness 分数，并量化"可回收性 vs prefix 复用"的取舍曲线——这个取舍目前是被 Maestro 单方面拍板禁用的，无人给出 Pareto。
方向 5 — 把可持续性作为第 4 个 fitness 维度（Maestro × MARLIN）。
Maestro 的跨集群 fitness 只含 RTT/readiness/KV/disruption。可借 MARLIN 的碳/水/成本强度信号 [2605.13496] 作为软偏好项加入 $S(N,T)$，在 LLM-MAS workflow 依赖约束下做 SLO × 可持续性联合调度——MARLIN 不建模 workflow 依赖、Maestro 不建模可持续性，交集为空白。
方向 6 — 联合调度外部 tool 执行。
Maestro 自陈当前 runtime 不为 external tool 预留 CPU/网络资源、tool 仅作 profile 项 [2606.12950]，而 Sutradhara 证明 tool 占 FTR 延迟 30–80% 且可与 prefill 重叠 [2601.12967]。把 Sutradhara 的 prefill-tool 重叠 co-design 嵌入 Maestro 的 stage 级 $\hat T_{\text{exec}}$ 与 SRTF，将 tool 延迟纳入 remaining-time 估计——tool-heavy agent 系统的重要开放方向（Maestro 自己也列为 future work）。