University of Washington（华盛顿大学）

Uncertainty Is Not Enough: Value-of-Information Routing for Mixtures of LoRA Experts

不确定性并不足够：针对LoRA专家混合模型的信息价值路由

Tom Saliencro, Rohan Desai, Priya Nair, Maya Lindqvist, Daniel Whitmore

机构 * University of California, Irvine（加利福尼亚大学欧文分校） ； University of Washington（华盛顿大学） 纠错

AI总结 该研究针对LoRA专家混合模型的路由问题，提出VI-MoLE算法，通过信息价值分配替代不确定性路由，经实验验证其在多指标上优于现有路由机制。

RADAR: Rubric-Aware Dependency and Redundancy Analysis for LLM-as-Judge Evaluation

RADAR：用于LLM作为评判者评估的基于 Rubric 的依赖与冗余分析

Divyansh Singh, Reza Davari, Afra Mashhadi

机构 * Microsoft（微软公司） ； University of Florida（佛罗里达大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出 RADAR 框架，用于在 LLM 作为评判者的大规模评估前，通过少量探针估计评估标准间的耦合，验证显示其可恢复人类标准间高相关性，提供审计信号。