我们在 @Hvyntivka Mosina docbot 上使用了 LLM 作为评判，并了解到：

1. 自动评估与人工标签的匹配度超过了80%
2. 通过在 LLM 评判中使用包含示例的 GPT-3.5，可以节省成本（10倍）并提高延迟（3倍）

最佳实践即将发布到 @mlflow！https://sprou.tt/1uTLFahOkxF