Vaincre les Juges de Recherche LLM Nuls avec le ML Classique

L'auteur explore l'utilisation d'un LLM local comme juge de pertinence de recherche, une alternative économique à OpenAI. Les jugements individuels de LLM sont peu fiables, donc l'article propose de combiner les évaluations de plusieurs attributs de produits (nom, classification, description, etc.) de plusieurs LLMs en utilisant l'apprentissage automatique classique (par exemple, les arbres de décision) pour améliorer la précision. Les expériences montrent que cette approche peut prédire les préférences humaines et révéler la logique derrière les étiquettes humaines, aidant à l'optimisation des moteurs de recherche.