📖 AI 总结

该研究考察了基于复杂度的大语言模型路由机制中的偏见问题。作者指出，当前服务常用查询复杂度这一廉价指标，将简单查询分配给小型模型、困难查询分配给大型模型，但这一路由步骤并非语体中立。研究发现，非标准英语语体（如非裔美国人英语、第二语言写作者的英语）的文本，会被系统性地分配到能力更低的模型层级，即便其含义与标准英语版本完全相同。这一效应的根源在于输入长度这一常见路由信号：非标准语体常省略功能词，因而显得更短、更简单，而其他复杂度信号则不具备此效应。作者在37704对真实学习者句子及受控平行语料上验证了该差异，并在设备端、边缘端和云端模型阶梯上测量了质量后果，发现危害主要源于普遍存在的模型偏见——包括前沿云端模型在内的每一层级，对非标准语体查询的回答准确率都显著更低，而路由决策本身的边际质量成本在该基准上并不显著。研究由此指出，基于复杂度的路由会进一步加剧模型本已服务最差用户的暴露风险。

🔑 关键词速览