研究提出大模型专家在线学习算法

发生了什么

据Hugging Face Papers发布的研究，针对大语言模型（LLM）专家提示词的自适应路由问题，研究者将其建模为有限反馈下的上下文赌博机问题。该研究提出了一套算法，通过策略性选择并观察奖励以最小化遗憾。实验结果表明，该方法能在有限反馈条件下，跨不同大模型高效学习高质量的路由策略，并实现了亚线性遗憾界。