使用多专家委派学习改进LLM

本文针对大型语言模型（LLM）的关键挑战，如幻觉和高推理成本。它提出了一个多专家委派学习的框架，将不确定的输入路由到更强大的专家，将更简单的查询路由到更小的模型。这种方法旨在提高可靠性和效率。本文提供了理论保证，并介绍了在基准数据集上进行经验验证的新算法。

• •解决了LLM的幻觉和高推理成本的挑战。
• •提出了一个多专家委派框架，以提高可靠性和效率。
• •提供了理论保证并介绍了新算法。
• •在CIFAR-10、CIFAR-100、SVHN数据集上进行经验验证。