LLM路由即推理：一个MaxSAT视角

将查询路由到合适的LLM颇具挑战，尤其当用户偏好以自然语言表达、而模型属性仅可部分观测时。我们对语言条件化的LLM路由提出一种基于约束的解读，将其形式化为一个加权MaxSAT/MaxSMT问题：自然语言反馈在模型属性上诱导出硬约束和软约束。在这一视角下，路由对应于选择能近似最大化满足反馈条件子句的模型。在一个25个模型的基准上的实证分析表明，语言反馈能产生近似可行的推荐集，而无反馈场景则暴露出系统性先验。我们的结果表明，LLM路由可以被理解为语言条件化偏好下的结构化约束优化。