Ballad：用在线bandit算法为自动启发式发现路由多个LLM
热点事件持续更新
Ballad：用在线bandit算法为自动启发式发现路由多个LLM
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Samidha Verma 等在 arXiv 论文（arXiv:2611.17241）中提出 Ballad，一种在线 bandit 算法，通过学习 LLM 路由策略，将多个 LLM 动态编排为集成，用于自动化启发式发现（AHD）。研究称，在 5 个 NP-hard 组合优化问题、4 个不同能力与成本的模型池上，Ballad 匹配甚至超越任何单个模型，相比始终使用最强模型最多降低 65.6% 的 API 成本。 论文背景是：更大更贵的模型在多个 NP-hard 组合优化问题上并无一致优势，因此用路由方式按需选模型可以省成本。
AI 根据报道生成 · 21 分钟前更新
最新进展11月14日 13:00
Ballad：基于 Bandit 的 LLM 路由用于自动化启发式发现报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIBallad：基于 Bandit 的 LLM 路由用于自动化启发式发现
arXiv 论文提出 Ballad，一种在线 bandit 算法，用 LLM 路由策略为自动化启发式发现（AHD）动态编排多个 LLM 组成集成。研究发现更大更贵的模型在多个 NP-hard 组合优化问题上并无一致优势；在 5 个问题、4 个模型池中，Ballad 匹配甚至超越任何单个模型，相比始终使用最强模型最多降低 65.6% 的 API 成本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。