arXiv · ML· Ajay Narayanan Sridhar, Ronak Singh, Mehrdad Mahdavi, Vijaykrishnan Narayanan·· 2026-10-15AI 评分28
具有代理奖励的感知关联上下文赌博机用于 LLM 路由
Correlation-Aware Contextual Bandits with Surrogate Rewards for LLM Routing
AI 导读
研究提出两种算法,利用机器学习的代理奖励信号解决 LLM 路由中的关联臂上下文赌博机问题。 算法包含耦合的奖励混合与解耦的预测混合设计,后者在代理奖励失配时保持鲁棒性并恢复与纯奖励方法相当的遗憾界保证。 在 LLM 路由基准测试中,方法展示了更高的样本效率和更优的准确性-成本权衡。
来源:arXiv · ML · arxiv.org