別急著分類，讓 AI 自由發揮幻覺！巧妙解決標籤過多難題

• 面對擁有大量歷史標籤的部落格時，直接將所有選項餵給 LLM（大型語言模型） 往往不可行。 • 軟體工程師 Doug Turnbull 提出了一種創新解法：跳脫既有框架，鼓勵模型針對內容自由想像並「幻覺」出適合的標籤。 • 透過在提示詞中提供具體的分類範例格式，引導模型產出符合結構的新穎分類。 • 接著，利用 向量嵌入（Vector Embeddings） 比對產生的標籤與現有詞彙庫，找出語意最接近的具體標籤。

「告訴模型在不了解現有詞彙的情況下輸出標籤，再利用向量嵌入在既有語料庫中尋找最接近的真實標籤。」 • 這種方法有效克服了大型分類系統中受限於上下文長度的瓶頸，提供了一種更具彈性的自動標註策略。