AI工具Simon Willison05:54
不要分类。要幻觉！
Don't classify. Hallucinate!
分类任务易饱和，生成式幻觉反成灵活工具，但代价是结果不可控。
判断
做博客、商品目录这类标签体系的人，现在要决定是否停止把全量标签塞进提示词让模型做分类选择题，改成先让模型自由生成候选，再用向量嵌入回落到已有标签。这样换来的是对长尾和未见标签的灵活覆盖，但代价是每一次映射都要自己验错。
依据
Simon Willison 在 2026年8月14日的链接博客里说，他博客有 1,856 个标签，一次喂给 LLM（大语言模型）再问“哪些标签匹配”可能太多。Doug Turnbull 的办法是：先让模型不看已有词表，直接输出它认为合适的标签；再用 vector embeddings（向量嵌入）对已有语料做比对，找出与模型“想象”标签最接近的具体标签。材料里的示例提示还要求先给模型看标签形状，例如“Furniture / Living Room Furniture / Coffee Tables & End Tables / Coffee Tables”，再让它对查询“brown coffee table”生成分类。机制上，分类被拆成自由生成候选和检索落到已有词表两步，因此模型不必在 1,856 个标签里一次做闭集选择。
- ai2,247
- generative-ai1,992
- llms1,958
- embeddings61
没写清 材料没有给出自由生成候选再经向量检索后落到已有标签的准确率、延迟或成本，也没说与直接分类相比错配多少，因此不能替它判定这套方法更优。
下一步 下一步可拿一小批已有标签的内容，让同一模型自由生成标签，再记录向量检索落到 1,856 个标签中的命中率和人工纠正数。