把大模型当分类器用，不如把它当成一个特征提取器
LLM Classification Is Feature Engineering
直接用大模型做分类，输出的标签没法调阈值，置信度也不靠谱。作者换了个思路：把大模型的判断结果只当成一个特征，喂给逻辑回归或 XGBoost 这类传统模型。这样只需要少量训练数据，就能解决校准和阈值控制的问题。他在 SemEval 2018 的反讽检测数据集上拿 Gemini 3.1 Flash Lite 试了一下，效果不错。如果你觉得模型不够准，也别光...
LLM Classification Is Feature Engineering
直接用大模型做分类，输出的标签没法调阈值，置信度也不靠谱。作者换了个思路：把大模型的判断结果只当成一个特征，喂给逻辑回归或 XGBoost 这类传统模型。这样只需要少量训练数据，就能解决校准和阈值控制的问题。他在 SemEval 2018 的反讽检测数据集上拿 Gemini 3.1 Flash Lite 试了一下，效果不错。如果你觉得模型不够准，也别光...