10:58
官方账号arXiv cs.LG@Ritik Raj, Souvik Kundu, Sarbartha Banerjee, Dheemanth Joshi, Ishita Vohra, Tushar Krishna
推荐理由：这篇论文给出了一个很实用的思路：用任务级反馈来动态路由LLM，不用每次调用都做独立决策。在多个基准上同时提升了准确率和速度。
路由框架
共 2 条相关 AI 资讯
7月27日
10:58
TRACE-ROUTER 提出任务级路由框架，将每个任务在受理时通过上下文赌博机分配一次模型，后续所有LLM调用均固定到所选后端，并使用最终奖励更新策略。在 tau2-Bench 上，该方法比延迟匹配的单个模型插值高出7-8个准确率点。在 Terminal-Bench 上，相比最强单模型基线，TRACE-ROUTER 以36%更低延迟实现7.1个准确率点提升。该框架无需显式任务复杂度估计，即可学习适应工作负载的路由策略。
6月11日
11:28
11:28
官方账号arXiv cs.AI@Jadelynn Dao, Milan Ganai, Yasmina Abukhadra, Ajay Sridhar, Mozhgan Nasr Azadani, Katie Luo, Clark Barrett, Jiajun Wu, Chelsea Finn, Marco Pavone
精选72°
推荐理由：DIRECT 解决了具身规划中测试时计算资源浪费的问题，做机器人部署和 VLM 应用的团队可以直接参考其路由策略，在降低成本的同时保持性能。