# DoorDash 用多个大模型当“陪审团”给菜品打标签，准确率比人工高 20%

> 原标题：Building Food Metadata with LLM Juries

- 来源：Hacker News 首页
- 发布时间：2026-07-14T01:41:49.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44131
- 原文：https://careersatdoordash.com/blog/building-food-metadata-with-llm-juries-context-optimization-multimodal-ai/

## 摘要

DoorDash 的菜单上有几百万个菜品，名字写法千奇百怪，靠人一个个标辣度、菜系太慢也太贵。他们搭了一套 AI 标注平台，同时看菜名、图片和网页搜索结果来推断属性。最特别的是，他们不用人审，而是让多个强模型组成“陪审团”独立投票、取共识，标注准确率比普通人工审核高出约 20%。

## 推荐理由

DoorDash 用多个大模型组成陪审团为菜品自动标注辣度、菜系等属性，准确率比普通人工审核高出约 20%，展示了多模态数据标注的一种可迁移做法。

## 锐评

陪审团这套东西的价值不在那 20%，在于它把人工审核整个拿掉了。几百万个菜品靠人标辣度菜系，光人力成本就够呛，现在几个强模型独立投票取共识，质检也一起自动化了。多模态加搜索一起看，比单看菜名靠谱得多，做数据管道的可以直接抄。至于高 20% 这个数，跟谁比的人工、什么口径都没说清，我保留意见，方向是对的。
