实时自适应路由（RAR）：通过层次基础模型驱动的软件中的持续学习提升效率

本研究解决了现有路由模型在优化路由决策时对手动策划数据的依赖及复杂计算更新问题。提出的实时自适应路由（RAR）方法通过上下文引导学习持续优化路由决策，并提升弱基础模型的能力。研究发现，该方法在保持响应质量的同时，可减少50.2%的高计算成本模型请求，有助于提高整体效率。