如何用决策模型做 LLM Evals：从阈值调优到概率校准的实践解读

作者转述 @HamelHusain 关于决策模型做 LLM Evals 的博客：大多数从业者直接沿用 0.50 默认阈值，文章用 98 条真实生产 trace 对比五家决策模型，证明阈值调优、概率校准和成本-性能 Pareto 分析能带来可量化提升。