Snap 用 LLM 当裁判评估广告相关性，蒸馏小模型替代昂贵 A/B 测试

Snap 团队提出面向动态商品广告（DPA）检索系统的离线评估指标，解决互动指标反馈稀疏有偏、在线 A/B 测试昂贵耗时的问题。该方法用 LLM 充当语义相关性裁判，评估推荐商品与用户意图的相关性并聚合成用户级分数，再将教师模型判断蒸馏进小型 student 模型以规模化计算。该指标与离线和在线业务指标均强相关，可在 A/B 测试前更快更可靠地迭代广告检索系统。