利用 LLM 进行置信度评分是一个坏主意

作者认为 LLM 无法生成可靠的置信度分数，因为其输出是文本生成而非基于信息的计算。文章建议通过记录实际结果并构建校准规则来获取置信度，例如使用搜索匹配率和过往正确率来评估客服机器人的回复可靠性。