研究指LLM路由器偏好昂贵模型，提出EquiRouter纠正

Guannan Lai 等研究者发布论文称，现有 LLM 路由器在宽松成本预算下会过度选用最强、最贵的模型，即使便宜模型能提供同等效用；分析显示这种过度付费并非源于查询模糊性，而是路由器对昂贵模型存在持久的模型级偏好。该研究被 NeurIPS 2026 接收。 针对这一问题，研究团队提出 EquiRouter，一种决策对齐的路由器：它通过成本感知排序目标（Cost-Aware Ranking Objective）和轻量的查询-模型交互表示，学习按查询依赖的模型排序，在效用相当的候选模型中明确偏好更低成本的模型。论文称代码已开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。