在预算约束下，自适应大语言模型（LLM）路由机制面临核心挑战：如何在模型能力各异、成本不一的情况下，为每个任务动态选择最优模型。传统方法通常将该问题视为监督学习，依赖预先标注的最优模型-查询配对，但现实中缺乏完整映射，且用户需求持续变化。为此，本文提出将LLM路由建模为上下文多臂老虎机（contextual bandit）问题，通过在线反馈实现自适应决策，无需对所有查询穷举测试所有模型，显著降低计算开销。 为此，研究构建了一个共享嵌入空间，将查询与LLM映射到同一向量空间，通过嵌入间的相似度反映其匹配度。该空间首先基于离线的人类偏好数据进行预训练，随后通过在线老虎机反馈持续优化。基于此思想，作者提出PILOT（Preference-prior Informed LinUCB for adaptive routing），一种面向LLM路由的新型LinUCB扩展方法，有效融合先验偏好信息与在线学习能力。 为应对用户多样化的预算限制，研究进一步引入一种在线成本策略，将其建模为多选背包问题，实现资源受限下的高效路由决策。该方法在保证性能的同时，显著提升成本效益。实验表明，PILOT在多种真实场景下均优于现有监督学习与基线bandit方法，尤其在数据稀缺和动态变化环境中表现突出。 该工作已被EMNLP 2025（Findings）录用，为实际部署中高效、经济地使用多模型系统提供了新范式。