论文页面 - 基于有限反馈的LLM专家在线学习

来源：https://huggingface.co/papers/2609.05820

摘要

将提示自适应路由至LLM专家的问题被建模为具有有限反馈的上下文老虎机问题，由此产生的算法具有次线性遗憾界和有效的路由策略。

我们研究了在具有有限反馈的在线环境中，将提示自适应路由至大型语言模型（LLM）专家以最大化响应质量的问题。我们将该问题建模为具有K个动作（代表专家）和d个特征（编码提示）的老虎机问题，时间范围为T轮。我们提出了能够战略性地选择并观察奖励以最小化遗憾的算法。在完全信息设定下，我们实现了O(dT/m)的遗憾界，而在老虎机设定下实现了O(dTK/m)的遗憾界，其中m << T是反馈预算。我们的实验表明，我们能够从有限反馈中有效地学习针对多样化LLM的高质量路由策略。

查看arXiv页面 (https://arxiv.org/abs/2609.05820)查看PDF (https://arxiv.org/pdf/2609.05820)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.05820)

在您的智能体中获取此论文：

hf papers read 2609\.05820

没有最新版CLI？运行：curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

尚无模型链接此论文

在模型的README.md中引用arxiv.org/abs/2609.05820以从本页面链接。

引用此论文的数据集0

尚无数据集链接此论文

在数据集的README.md中引用arxiv.org/abs/2609.05820以从本页面链接。

引用此论文的Spaces0

尚无Space链接此论文

在Space的README.md中引用arxiv.org/abs/2609.05820以从本页面链接。

包含此论文的收藏夹0

尚无收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection)以从本页面链接。