研究人员推出了一种新颖的在线框架——多项子集路由（MSR），用于处理涉及多个专用模型的路由任务。与选择固定专家子集的传统方法不同，MSR采用多项策略对专家进行采样，从而实现更灵活和动态的方法。该框架旨在处理性能取决于采样子集中表现最佳专家的奖励结构，并纳入了长期运营约束。提出的OMD-Approachability方法结合了在线镜像下降和Blackwell的可达性，在奖励和约束违反方面均实现了亚线性遗憾。 AI
影响 该框架可以改进专用AI模型在复杂路由场景中的利用方式，可能导致更有效和高效的任务委托。
排序理由 该集群描述了一篇关于新的AI模型路由框架和方法的学术论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- Blackwell's Approachability
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Multinomial Subset Routing
- OMD-Approachability
- Online Mirror Descent
- ScienceCast
- Combinatorial bandits
- crowdsourcing dataset
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
