IT 工单分类：小模型加弃权阈值，比提示大模型更省
arXiv 论文在 47,837 张公开工单上比较传统分类器与提示大模型，引入「分错比转人工更贵」的成本模型。TF-IDF 加逻辑回归、阈值 0.60 时成本降 38.1%，误派从 15.3% 降到 3.5%；最好的提示配置准确率 0.477，微调 DistilBERT 为 0.879。
Sachin Gupta原始发布
为什么值得留
做分类类自动化前，先比一下便宜的传统模型，并给「不确定就转人工」设阈值。
可以从这里开始
给你的自动分类加一个置信度阈值，低于阈值转人工，统计一周误派与人工量。
阅读时留意
成本参数是示意值；比较的大模型是零样本、少样本提示，未微调；单一公开数据集。
OnBalls 导读整理于 2026.10.24。只读收件箱保存的 arXiv 摘要节选（可能截断）；未读论文正文、未看代码和数据。