大语言模型与多臂老虎机交互的组件级综述
计算与语言
2026-03-10 v3 机器学习
摘要
大语言模型（LLM）已成为用于语言理解与生成的强大且广泛使用的系统，而多臂老虎机（MAB）算法则为不确定性下的自适应决策提供了有原则的框架。本综述探讨了这两个领域交叉处的潜力。据我们所知，这是首个在组件级系统回顾大语言模型与多臂老虎机之间双向交互的综述。我们强调了双向益处：MAB算法解决了LLM的关键挑战，涵盖从预训练到检索增强生成（RAG）和个性化。反过来，LLM通过重新定义臂选择和环境建模等核心组件来增强MAB系统，从而改善序列任务中的决策。我们分析了现有的LLM增强老虎机系统和老虎机增强LLM系统，提供了对其设计、方法和性能的见解。我们识别了关键挑战和代表性发现，以帮助指导未来的研究。索引相关文献的配套GitHub仓库可在 https://github.com/bucky1119/Awesome-LLM-Bandit-Interaction 获取。
引用
@article{arxiv.2601.12945,
title = {A Component-Based Survey of Interactions between Large Language Models and Multi-Armed Bandits},
author = {Siguang Chen and Chunli Lv and Miao Xie},
journal= {arXiv preprint arXiv:2601.12945},
year = {2026}
}
备注
25 pages, 6 table