跳到正文
返回论文列表
cs.LG提交于 已译

面向成本感知的 LLM 拒答式 IT 工单分类

Cost-Aware Abstention for LLM-Based IT Ticket Classification

Sachin Gupta

中文摘要

将 IT 支持工单错误自动路由的成本,可能高于人工分流。研究将成本感知拒答(cost-aware abstention)作为离线、按成本条件进行的就绪度评估:先在明确成本下用校准数据选择路由策略,再将冻结后的策略仅在留出测试数据上评估一次。在一个公开的 47,837 条、八分类工单语料库上,对比了四种训练型非 LLM 分类器与四种大语言模型,并采用零样本和少样本提示。在示例成本(c_ok, c_triage, c_wrong)=(0, 1, 5)下,TF-IDF 配合逻辑回归及校准集选定的 0.60 阈值,将测试成本从 0.763 降至 0.472,相对降低 38.1%(配对比例 bootstrap 95% CI 为 [35.7%, 40.4%]),错误路由率从 15.3% 降至 3.5%。事后成本参数分析中,冻结的校准选定策略在 16 种设置中的 14 种优于始终路由和始终转人工。最强的提示式配置在分层抽取的 1,000 条工单测试子集上达到 0.477 准确率,而同一批工单上的微调 DistilBERT 为 0.879。等渗校准(isotonic)降低了期望校准误差,但未可靠改善区分能力:GPT-4o-mini 少样本在校准前后仅有一个置信度值,正确性 AUROC 为 0.500。因此,研究同时报告正确性 AUROC 和考虑并列情况的风险—覆盖面积。在解析推导出的盈亏平衡概率 0.80 处,七种提示式配置会将全部工单转交人工;Haiku 少样本仅路由 19/1,000 条。仅依赖 LLM 一致性的对照,以及基于边际和熵的拒答基线,进一步区分了校准与区分能力。结论仅适用于该数据集、提示设计、模型端点和示例成本;该工作是评估框架,而非新的拒答算法或通用部署认证。

关键要点

  1. 01错误自动路由可能比人工分流成本更高,需按成本条件评估拒答策略。
  2. 02TF-IDF 与逻辑回归将测试成本从 0.763 降至 0.472,错误路由率降至 3.5%。
  3. 03冻结的校准选定策略在 16 种设置中的 14 种优于始终路由和始终转人工。
  4. 04等渗校准降低 ECE,但未可靠改善区分能力,需同时报告 AUROC 与风险—覆盖面积。
  5. 05结论受限于特定数据集、提示设计、模型端点和示例成本,不构成通用部署认证。

解读

尚无解读。

原始英文摘要

arXiv:2610.31657v1 Announce Type: new Abstract: Wrong automatic routing of an IT support ticket can cost more than human triage. We evaluate cost-aware abstention as an offline, cost-conditional readiness assessment: select a routing policy on calibration data under explicit costs, then evaluate that frozen policy once on held-out test data. On a public 47,837-ticket, eight-class corpus, we compare four trained non-LLM classifiers with four large language models under zero- and few-shot prompting. Under the illustrative cost model (c_ok, c_triage, c_wrong) = (0, 1, 5), TF-IDF with logistic regression and a threshold of 0.60 selected on calibration reduces test cost from 0.763 to 0.472, a 38.1% relative reduction (paired ratio-bootstrap 95% CI [35.7%, 40.4%]), while lowering wrong routes from 15.3% to 3.5%. Frozen calibration-selected policies also beat both always-route and always-defer on held-out test data in 14 of 16 settings in a post-hoc cost-parameter analysis. The strongest prompted configuration reaches 0.477 accuracy on a stratified 1,000-ticket test subset, versus 0.879 for fine-tuned DistilBERT on the same tickets. Isotonic lowers expected calibration error without reliably improving discrimination: GPT-4o-mini few-shot has one confidence value before and after recalibration and correctness AUROC 0.500. We therefore report correctness AUROC and tie-aware risk-coverage area alongside ECE. At the analytically derived break-even probability 0.80, seven prompted configurations defer all tickets; Haiku few-shot routes only 19/1,000. An LLM-only agreement control and margin/entropy rejection baselines further separate calibration from discrimination. The findings are scoped to this dataset, prompt design, model endpoints, and illustrative costs; the work is an evaluation framework, not a new abstention algorithm or universal deployment certification.

同方向论文 · cs.LG

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

数据blog.csdn.net·外部收录·

根据表结构和自然语言查询需求,让模型生成包含过滤、排序、分组、聚合等条件的 SQL 查询语句。

请根据以下信息生成 SQL 查询: 1. 明确任务要求:详细描述 SQL 需要完成的任务,如过滤条件(WHERE 条件)、排序(ORDER BY)、分组(GROUP BY)、关联查询(JOIN 方式)、聚合函数(SUM、AVG、COUNT 等)。例如:"查询 2024 年 1 月份所有订单的总金额,并按客户分组。" 2. 数据库背景信息:说明数据库类型及业务背景。 3. 表结构(Schema):提供相关表的字段名、类型和含义。 4. 查询需求:用自然语言描述要查询的数…

研究github.com/f/awesome-chatgpt-prompts·外部收录·

1Sentence Deck: pitch deck thesis interview

You are running the 1Sentence Deck method from 1sentencedeck.com. Follow it exactly. Interview me using the method’s own questions, one at a time. Wait for my answer before the next question. Never invent numbers or facts for me. The questi…

数据blog.csdn.net·外部收录·

为SQL查询结果生成定性分析、数据洞察与决策支持

# 角色 数据科学家 ## 注意 1. 激励模型深入思考角色配置细节,确保任务完成。 2. 专家设计应考虑使用者的需求和关注点。 3. 使用情感提示的方法来强调角色的意义和情感层面。 ## 性格类型指标 INTJ(内向直觉思维判断型) ## 背景 作为数据科学家,这个角色旨在为用户提供数据分析、模型构建和预测的专业知识。专家通过分析大量数据,帮助用户发现数据背后的模式和趋势,从而为决策提供支持。 ## 约束条件 - 必须遵循数据隐私和安全原则 - 需要保持客观和中立,…

数据infoq.cn·外部收录·

根据业务问题、候选表列及选表规则,智能决策最合适的数据表。

LLM 角色和任务描述 Freewheel 广告业务介绍 术语黑话映射表: 包括了常见的黑话和通过 RAG 方式召回的部分 数据目录与仓库概述 候选表和列:也就是上一步召回的表和列,包括每个表的描述和选表逻辑 通用选表规则:应该遵守的规则,例如什么时候应该选择事实表或者维度表,什么时候应该选择多张表 选表样例:我们收集了多样化的问题并标注了最优选择的表,存储到选表样例向量数据库中,通过 RAG 的方式找到和用户提问相似的例子。