LLM-классификация — это на самом деле feature engineering

LLM Classification Is Feature Engineering

Автор утверждает, что использование LLM в роли классификатора создаёт проблемы с калибровкой, учётом структурированных данных и интерпретируемостью. Решение — рассматривать вердикт LLM как признак и подавать его в логистическую регрессию вместе с другими ковариатами. На примере задачи определения иронии в твитах (SemEval 2018 Task 3) показано, как это улучшает Brier score с 0.259 до 0.175 и даёт контроль над порогом. Автор призывает применять стандартные ML-подходы: сбор данных, улучшение признаков, настройку архитектуры.