本文探讨了通过在线级联学习降低大规模语言模型推理成本的方法，提出了有效的模型选择和推迟策略，能够将成本降低90%。研究评估了LLM集成系统的机密性，发现现有防御策略缺乏泛化能力，并提出了鲁棒性微调方法以提高系统弹性。同时，强调了社交学习在LLM中的应用，展示了知识传递的有效性和隐私保护的重要性。