arXiv · cs.AI· Ajay Narayanan Sridhar, Ronak Singh, Mehrdad Mahdavi, Vijaykrishnan Narayanan·· 4 小时前
相关臂与代理奖励驱动的LLM路由上下文老虎机方法
Correlation-Aware Contextual Bandits with Surrogate Rewards for LLM Routing
arXiv:2607.09015v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ajay Narayanan Sridhar, Ronak Singh, Mehrdad Mahdavi, Vijaykrishnan Narayanan
研究任务与主要进展
作者提出面向LLM路由的相关臂上下文老虎机算法，利用机器学习模型产生的代理奖励加速学习，并分别通过耦合奖励混合和解耦预测混合处理代理信号可靠与失配两种情形。基于论文摘要，作者报告两种方法均进行了理论遗憾分析，并在不同准确率—成本权衡的LLM路由基准上相对标准上下文老虎机和强静态路由方法改善了样本效率与准确率—成本权衡。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org