成本感知強化學習

深度分析

Hera：步級協調器在裝置與雲端間平衡 LLM 代理的效能與成本

Hera 提出一種針對長期、多步驟任務的步級（step-level）裝置—雲端路由機制，透過兩階段訓練達到效能與成本的折衷。第一階段以模仿學習提供冷啟動；第二階段以考量雲端使用成本的強化學習微調，將相似狀態分群、以偏好標籤引導決策。