AI审核工程实践： 淘宝极有家破损包赔项目思考

主要观点总结

本文回顾了作者之前进行的AI审核项目的实践，并总结了经验。项目中，AI智能人审能够结合自动化规则，识别用户上传的商品照片和订单信息是否相符，解析物流信息和聊天记录，综合判断佐证材料是否充分，最后给出保险理赔建议。项目中发现，简单规则可以节约审核时间，同时发现模型在目标检测任务上表现糟糕，后续方案转向端到端方案。通过prompt调优和单图到多图处理，模型效果有所提升。评估优化部分，包括数据集构建、标签调整、加强对细节的识别能力。灰度验证发现模型提供方对模型调用存在限流和图片大小限制问题，鼓励用户图片标注可以提高模型识别效果。一年后的回顾中，作者讨论了工作流、提示词工程、Agent发展、模型能力进化等话题，并介绍了团队和拓展阅读。

关键观点总结

关键观点1: AI智能人审实践

AI智能人审能够结合自动化规则，识别用户上传的商品照片和订单信息是否相符，解析物流信息和聊天记录，综合判断佐证材料是否充分，最后给出保险理赔建议。

关键观点2: 项目发现

项目中发现，简单规则可以节约审核时间，同时发现模型在目标检测任务上表现糟糕，后续方案转向端到端方案。

关键观点3: prompt调优和单图到多图处理

通过prompt调优和单图到多图处理，模型效果有所提升。

关键观点4: 评估优化

评估优化部分包括数据集构建、标签调整、加强对细节的识别能力。

关键观点5: 灰度验证和回顾

灰度验证发现模型提供方对模型调用存在限流和图片大小限制问题，鼓励用户图片标注可以提高模型识别效果。一年后的回顾中，作者讨论了工作流、提示词工程、Agent发展、模型能力进化等话题。