研究揭示性能预测在模型路由中次优于自置信度

2026年10月23日，arXiv发表一项理论分析研究，聚焦模型路由中性能预测器的效果。研究证明，性能预测仅当候选模型存在次优性，或预测器容量显著增加时，才能胜过基于模型自置信度的简单基线。 理论推导显示，预测器带来的优势可通过再校准转化为模型损失改进，但其收益受到模型次优程度和额外参数增益的上界约束。在针对16个大语言模型和4个基准测试的实验中，模型越次优，预测器相比自置信度的优势越大；然而，随着微调提升模型性能，该优势逐渐缩小。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。