wildchat

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。

本文分析了必应Copilot用户的纵向对话轨迹，并与WildChat数据进行比较，发现个体用户习惯具有粘性，且WildChat过度代表了高级用户，挑战了用户与LLM互动的静态观点。