English(EN) Asking an LLM "are these two tickets duplicates?" costs $111 for 1,000 tickets and $11,130 for 10,000

LLM票据去重成本因二次方扩展而飙升，但分类可节省成本

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-13 12:00

使用大型语言模型（LLM）识别重复的支持票据可能因所需的二次方比较增长而变得极其昂贵。将每张票据与所有其他票据进行比较的朴素方法会导致成本随票据数量的平方而增长。一种更有效的方法是先用LLM对票据进行分类，然后仅比较同一类别内的票据，这可以将成本降低多达20倍。然而，票据在不同类别之间的分布不均会降低这些节省，表明可能需要对大类别进行进一步细分。 AI

影响强调了使用LLM进行成对比较的重大成本影响，推动了对AI支持系统中高效分类策略的需求。

排序理由文章讨论了使用LLM进行特定应用（票据去重）的成本效益和扩展性挑战，而不是新的模型发布或核心研究。

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 35 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 文章讨论了使用LLM进行特定应用（票据去重）的成本效益和扩展性挑战，而不是新的模型发布或核心研究。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: product, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Andrey Altrouter · 2026-11-13 12:00

让LLM判断“这两张票是否重复？”的成本是1000张票111美元，10000张票11130美元

<p>You have a pile of support tickets and want to find the ones that describe the same problem. Models are good at this: show one two tickets, ask "same issue, yes or no?", and the answer is usually right. So you write a loop that compares each ticket with every other one. It cos…

本文如何被排名

报道来源 [1]

让LLM判断“这两张票是否重复？”的成本是1000张票111美元，10000张票11130美元

相关实体

相关话题