arXiv · cs.AI· Mahesh Viswanathan, Joan Rossello, Leticia Fernandes, Paul Mutawe·· 2 天前
从高召回到高效用：面向LLM生成客户意图的数据集自适应后处理
From High Recall to High Utility: Dataset-Adaptive Post-Processing of LLM-Generated Customer Intents
arXiv:2610.09039v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mahesh Viswanathan, Joan Rossello, Leticia Fernandes, Paul Mutawe
首次提交：2026-10-07 03:41
研究任务与主要进展
面向客户意图提取，研究者提出一种数据集自适应后处理架构，将LLM高召回结果转化为稳定、可追溯的意图单元。该流程对多源数据进行预处理，标准化、去重并按候选集选择聚类策略，再以受限语言模型聚合每个簇，同时保留证据、聚类、嵌入和生成元数据。摘要还描述了机器生成意图及意图引导的语义检索与映射应用。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org