Online Learning with LLM Experts from Limited Feedback

• 类型：arxiv
• 标识：2609.05820
• 链接：https://arxiv.org/abs/2609.05820
• 主分类：agent
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This work studies adaptive routing of prompts to large language model experts to maximize response quality in an online setting with limited feedback and proposes algorithms that strategically select and observe rewards to minimize regret.
• OpenAlex ID：W7212035784
• OpenAlex DOI：10.48550/arxiv.2609.05820
• DOI：10.48550/arxiv.2609.05820
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.05820
• OpenAlex更新：2026-09-15
• 待LLM分类：否
• 标题中文：基于有限反馈的 LLM 专家在线学习
• TLDR中文：本研究探索在反馈有限的在线场景下，将 prompt 自适应路由到大语言模型专家以最大化响应质量，并提出了策略性地选择和观察奖励以最小化遗憾的算法。
• 成熟度：research
• 场景：在线学习、LLM路由、bandit
• 来源文件：
• /inbox/tom/_candidates/2026-09-14-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]