LLMs 文本标签（分类）任务怎么做比较好？

现在大概有三组共 100 多个标签，用来对多段文本进行分类，是应该设置三个 prompt 分三次进行生成，还是用一个长 prompt ？

另外现在通用型 LLMs 好像对标签工作都不太完美，经常出现标出其他不在字典的标签，或是标签过多之后分类效果不佳。

有没有朋友在做相关工作有经验的，可以分享下方法嘛

标签分类是大模型的老本行，你只要把标签整理好，让它在标签库里选择，正确率比人高 模型用 gemini-exp-1206 ，目前最强大的模型，200 万 token 上下文，一次完成不会有问题

让模型随便自由标，比如标出 1000 个不在字典的标签，然后你把这些多出来的标签设置一个映射到你的 100 个标签，这个映射是一次性的，可以手工完成或 ai 也行。

@mumbler #1 我现在用的是 Qwen2.5 110B ，文本太多用商用收费模型成本太高了。现在 Prompt 用列表给出了所有标签，但发现效果不是太好（比如说不在给定字典里的标签）。您说的标签整理好，是有什么格式会好一些？

@june4 #2 最开始也是用的这个方法，但是现在数据量太大了（上百万段文本），发现不在标签字典的结果就太多了 https://i.imgur.com/2ZZSapE.png

@CNYoki #3 格式当然 json 最好，模型用 gemini-exp-1206 ，完全免费的，200 万上下文，比 gpt4o 还强，所有数据一次处理，用什么 qwen 啊