DeepMind论文提出模型竞价拍卖选最优回答

Google DeepMind 发表论文，提出让各模型为每个问题“出价”、由最高出价者作答的拍卖机制来挑选回答。论文称，在 110 个模型、超 30,000 条 EmbedLLM 提示词上模拟，该机制达到最优模型选择效果的 99.2%，而按提示词类型路由到最佳模型仅为 89.4%。 在各方法表现最差的提示词簇上，拍卖机制保持 96.0%，单一最佳模型仅 6.0%。论文还证明，当多个智能体普遍对某提示词估值较高时，损失会缩小。上述结果为论文中的模拟与论证，并非已在实际系统中验证的效果。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。