标签
本文将从自然语言提示出发的智能体路由形式化为集合值预测问题，引入了一个源自WildChat的基准测试，包含3000个提示，覆盖12个智能体的固定目录，并评估了包括有监督分类器和成本感知路由在内的多种方法，以研究精度与成本之间的权衡。
本文提出了首个用于通路引导的治疗反应建模的统一基准，评估了三种生物学信息驱动的架构（BINN、GraphPath、PATH），在来自癌症基因组图谱的五个癌症队列上，对靶向治疗、放射治疗和生存结局进行多标签预测。
本文研究了推理模型如何在数百万候选标签上进行零样本多标签分类。作者刻画了一个由候选筛选和细粒度推理组成的两阶段过程，并提出了一种机制蒸馏方法，在将能力迁移到较小模型时优于标准蒸馏。