使用LLM陪审团构建食品元数据

食品元数据（如成分、口味、烹饪方式）具有高度多样性和主观性，不同地区、语言和文化的命名习惯差异巨大。传统规则方法难以覆盖所有情况，而单纯依赖单一 LLM 又容易产生不一致或幻觉。DoorDash 需要一种可扩展且可靠的方案来处理每天新增的数万种菜品。

DoorDash 提出的思路是部署一个“LLM 陪审团”：多个不同架构、不同训练数据的语言模型同时评估同一输入，每个模型对元数据字段（如“菜系”“辣度”）给出候选值或置信度。最终输出通过多数投票或加权融合产生。

这种设计利用了模型多样性来抵消个体偏差。例如，一个模型可能擅长识别东南亚菜系，另一个则更懂中东调料，陪审团综合它们的判断，从而在整体上提升准确性和鲁棒性。

除了菜名和描述文本，DoorDash 还引入菜品图片等多模态特征。视觉信息帮助确认颜色、摆盘、食材形态，进而辅助推断烹饪方式（如“烤” vs “炸”）或新鲜度暗示。

上下文优化则包括地理位置、时令、流行趋势等动态因素。同一道菜在不同城市或季节可能被赋予不同的标签（如加注“应季”）。DoorDash 通过知识图谱和实时数据增强 LLM 的上下文理解。

在内部测试中，LLM 陪审团生成的元数据在准确率和覆盖率上均优于单模型基线，但仍有约 5% 的高价值条目需要人工审核——主要是新产品或罕见菜系。DoorDash 将人工审核定位为兜底机制，而非常规流程。

成本方面，多模型调用带来更高的延迟和计算开销，但 DoorDash 通过缓存常见场景的推理结果、以及仅在必要时才启用完整陪审团（如新商品或低置信度情况）来优化效率。

该方案展示了 LLM 在垂直领域结构化数据生成的潜力：利用多模型协作与多模态融合，可以显著改善自动化质量。类似思路可推广至电商商品描述、医疗记录结构化、法务文档标签等场景。

DoorDash 下一步计划引入用户反馈闭环，让纠错直接微调陪审团模型，并探索轻量级模型组合以降低延迟。