[3835] メタ学習による暗黙的なコスト・パフォーマンスの嗜好からLLMをルーティングすることを学習する
本研究は、大規模言語モデル（LLM）のルーティングにおける新たなアプローチを提案する。MetaRouterと名付けられたこのメタ学習ベースのフレームワークは、ユーザーの暗黙的なコストパフォーマンスの好みを学習し、パーソナライズされたルーティングを実現する。既存手法が異なるユーザーニーズに対応できない課題を解決するため、MetaRouterは少量のインタラクションでユーザーの好みを効率的に学習する。