别再烧 Token：把领域专业知识纳入 AI 改进循环
中文摘要
Langfuse 工程师建议用领域专家样本、高信号检查和验证机制取代模糊评分，以建立可靠的 AI 自我改进循环。
English Summary
Langfuse engineers suggest using domain expert samples, high-signal checks, and verification mechanisms instead of vague scores to build reliable AI self-improvement loops.
原文节选
📌 One-Sentence Summary Langfuse 工程师说明，想让 AI 自我改进循环可靠运转，团队必须以领域专家样例、高信号检查、验证机制和停止规则取代含糊的评估分数。 📝 Summary Annabell Schäfer 指出，在反复优化之前，先要为自我改进型 AI 智能体建立可信的目标函数。她以 arXiv 单标签分类实验为例，将 200 条样本用于拟合、100 条用于验证、300 条留作最终测试，...