把 LLM 路由建模成上下文老虎机,有限反馈下亚线性遗憾
Wang Wei · hf · 2026-09-14
Wang Wei 在 Hugging Face 上发布论文《Online Learning with LLM Experts from Limited Feedback》,研究如何把 prompt 自适应路由到不同 LLM 专家的问题。
核心思路:将 prompt 路由形式化为上下文老虎机(contextual bandit)问题,每次只能拿到有限反馈。
结论:给出 regret 次线性的路由算法,在实践中也能实现有效的专家路由,为低成本地在多个 LLM 之间分配请求提供了理论支撑。
「编程与Agent」频道最新
- 人工救场之后怎么办：把修正反馈写回 agent 技能版本 — Jimcy-Maffesoli · 2026-09-14
- 物业经理凌晨处理下水道爆管:Meta Muse 搞定全部租客沟通与工单 — armand_ruiz · 2026-09-14
- 开源记忆代理 Memanto 走红:给 AI 智能体管记忆,本地运行 MIT 协议 — Shruti_0810 · 2026-09-14
- 自建助手 MAVIS 能自己编写、调试和测试工具与子 agent — trinitron1f · 2026-09-14
- Anthropic 演示 Claude 在 Slack 里自动值夜班:15 分钟定位线上事故 — xiaohu · 2026-09-14
- 研究者称 AI Agent 泄密根源不在对齐失败,而是工具滥用刮取本地隐私数据 — ryunuck · 2026-09-14