Dumme LLM-Suchrichter mit klassischem ML besiegen

Der Autor untersucht die Verwendung eines lokalen LLMs als Suchrelevanz-Richter, eine kostengünstige Alternative zu OpenAI. Einzelne LLM-Urteile sind unzuverlässig, daher schlägt der Artikel vor, die Bewertungen mehrerer Produktattribute (Name, Klassifizierung, Beschreibung usw.) mehrerer LLMs mithilfe von klassischem maschinellem Lernen (z. B. Entscheidungsbäume) zu kombinieren, um die Genauigkeit zu verbessern. Experimente zeigen, dass dieser Ansatz menschliche Präferenzen vorhersagen und die Logik hinter menschlichen Labels aufdecken kann, was die Optimierung von Suchmaschinen unterstützt.