提出带代理奖励的相关感知上下文多臂老虎机LLM路由方法

Ajay Narayanan Sridhar 等论文作者发布 arXiv:2607.09015v2，提出面向 LLM 路由的相关臂上下文多臂老虎机算法，用机器学习模型产生的代理奖励加速学习，并针对代理信号可靠与失配两种情形分别设计耦合奖励混合和解耦预测混合两种方法。 作者报告两种方法均给出理论遗憾分析：解耦设计在代理信号失配的最坏情况下可获得与仅用真实奖励的老虎机方法相当的遗憾保证，当代理预测足够有效时则能改善遗憾；在多个准确率—成本权衡的 LLM 路由基准上，两种方法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。 以上为作者在论文摘要中的报告（基于论文摘要），尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。