意图分类
自然语言处理中的基础任务，判定用户输入的预定义类别，常用于客户支持场景，评估指标为准确率或宏平均F1。
核心事实
时间轴 (近 90 天)
另一种分级授权做法是意图分类：把问题划分为事实性、流程性、判断性三类，只有前两类走自动通道。
意图分类（Intent Classification）是自然语言处理中的基础任务，指判断用户输入的语义类别，常作为 Text-to-SQL 场景中查询生成前的第一道闸门。
系统先对用户消息做意图分类，采用规则加一个小模型的混合方案，命中价格类意图（如查询金价、工费、报价、换购价值、折扣）时不进入生成环节，直接转人工销售。
价格类意图分类的设计中，召回率比精度更重要，宁可把非价格问题误判为价格问题转人工，也不能漏掉报价请求。
意图分类与情感分析、命名实体识别并列为LLM最常见的下游应用之一。
意图分类的评估指标通常是准确率（Accuracy）或宏平均F1，因为类别分布往往不均衡。
量化通常带来1%–3%的精度损失，但对意图分类这类标签空间有限的判别任务几乎无感。
回答长度自适应能力在技术实现上涉及意图分类与响应策略选择的结合
全部知识事实 (9)
意图识别是自然语言理解（NLU）的核心子任务，本质是将用户的自然语言输入映射到预定义的意图类别
65%待验证另一种分级授权做法是意图分类：把问题划分为事实性、流程性、判断性三类，只有前两类走自动通道。
50%待验证意图分类（Intent Classification）是自然语言处理中的基础任务，指判断用户输入的语义类别，常作为 Text-to-SQL 场景中查询生成前的第一道闸门。
50%待验证系统先对用户消息做意图分类，采用规则加一个小模型的混合方案，命中价格类意图（如查询金价、工费、报价、换购价值、折扣）时不进入生成环节，直接转人工销售。
50%待验证价格类意图分类的设计中，召回率比精度更重要，宁可把非价格问题误判为价格问题转人工，也不能漏掉报价请求。
50%待验证意图分类与情感分析、命名实体识别并列为LLM最常见的下游应用之一。
50%待验证意图分类的评估指标通常是准确率（Accuracy）或宏平均F1，因为类别分布往往不均衡。
50%待验证量化通常带来1%–3%的精度损失，但对意图分类这类标签空间有限的判别任务几乎无感。
50%待验证回答长度自适应能力在技术实现上涉及意图分类与响应策略选择的结合
50%