# How To Use Decision Models for Evals

- 发布方：Hamel's Blog（Hamel Husain 个人博客）；作者：Hamel Husain、Antaripa Saha
- 形式：文章 · en
- 原始资源：[https://hamel.dev/blog/posts/decision-model-evals/](<https://hamel.dev/blog/posts/decision-model-evals/>)
- 本站页面：[https://oplearnx.com/resources/res\_74c25y47bwkp](<https://oplearnx.com/resources/res_74c25y47bwkp>)
- 学习主题：人工智能 / 大语言模型 LLM / LLM 评测；人工智能 / 评测与可信 AI
- 内容状态：状态待核验
- 原始发布时间：未知（待核验）
- 本站首次收录：2026-10-22 12:00

## 能学到什么

学会在自动化评测中为决策模型（decision model）挑选与调优判定阈值、在性能与成本之间取舍，并正确解读其概率分数。

- 解释决策模型作为 LLM judge 低成本替代方案时的适用条件（成本、性能、延迟要求）
- 说明默认 0.5 判定阈值为什么可能低估模型表现，并给出改用自定义阈值的理由
- 在 precision 与 recall 之间做业务导向的权衡，用 F1 或 F-beta 选择阈值
- 写出可交给编码 Agent 执行的阈值调优提示词，包含分层五折交叉验证与最低精度/召回约束
- 用 F1 与 API 成本画出 Pareto 前沿，判断哪个决策模型适合自身场景
- 读懂概率校准图，判断模型分数能否直接当作置信度估计，并了解 Platt scaling 的作用

## 适合我吗

- 适合：适合已在使用 LLM 评分器做 pass/fail 自动化评测、想用更便宜的决策模型降低评测成本的工程师和 PM；文章以公寓租赁 Agent 的失败检测为例，实操性强。
- 需要留意：不适合想系统学习评测理论框架或完全没有标注数据/评测经验的初学者；也不涉及决策模型自身的训练原理。

## 前置条件与费用

- 知识前置：需了解 precision、recall、F1 等分类指标的基本含义，以及 pass/fail 式 LLM 评测的常规做法。
- 软件、账号与硬件：自备带人工标签的评测样本与已保存的模型分数即可跟做；文中对候选模型的对比需要访问对应厂商 API（付费）。
- 内容费用：免费：网页正文可免费直接阅读，主要学习内容无付费墙或登录拦截；顶部 Maven 课程报名入口属作者其他产品，不影响本资源。
- 实践费用：实践可能产生费用：如需复现文中多个决策模型的对比，需调用各厂商的付费 API；仅用已保存分数做阈值调优则不产生费用。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- 浏览器：阅读文章与查看交互图表
- 带标签的模型分数数据：复现阈值调优与校准分析

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词

```text
请帮我把「How To Use Decision Models for Evals」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://hamel.dev/blog/posts/decision-model-evals/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：浏览器或在线环境。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：用文章提供的 charts/chart-data.json 形式的数据结构，在自己的评测集上重做阈值调优与校准图，比较与默认 0.5 阈值的差异。
课节（官方顺序）：
1. How To Use Decision Models for Evals（主页）：https://hamel.dev/blog/posts/decision-model-evals/

1. 环境
- 浏览器即可阅读
- 如需复现：Python 环境（pandas、scikit-learn）
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://hamel.dev/blog/posts/decision-model-evals/
3. 目录（最外层放在我确认的位置）
decision-models-for-evals/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.md     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-how-to-use-decision-models/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.md，逐项检查并记录“通过/未通过”：
- 按浏览器或在线 notebook 清单检查，不为自检安装本机终端。
  - 打开主页，确认能看到 “Understanding decision thresholds” 与 “Can we trust the probabilities?” 小节  → 页面正常加载且小节标题可见
  - 用脚本对保存的分数扫描阈值，输出 precision/recall/F1  → 结果表中能找到最优 F1 对应的阈值，而非默认 0.5
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「How To Use Decision Models for Evals」。课程目录是 decision-models-for-evals/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [How To Use Decision Models for Evals（主页）](<https://hamel.dev/blog/posts/decision-model-evals/>)

## 指南参考

- [课程主页](<https://hamel.dev/blog/posts/decision-model-evals/>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：Jev / Perplexity Decider / Liquid d1 / Cloudflare Clef / OpenAI Decisions 等决策模型 API 密钥
- 转载与修改 · 课程页面与材料：未找到明确许可。网页未标注内容许可，页脚亦未给出许可声明 [依据](<https://hamel.dev/blog/posts/decision-model-evals/>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）