RAILS：大规模检索增强增量 LLM 聚类

在生产规模上使用大型语言模型 (LLM) 作为集群器很困难：提示无法容纳整个标签空间，并且每个文档的串行处理无法提供实际工作负载所需的吞吐量。我们推出了 RAILS，这是一种检索增强的增量 LLM 集群器，它将集群转变为不断增长的标签池上的简单循环，并通过有限并发的文档批处理进行扩展。在六个公共基准上，RAILS 平均超过了之前最强的 LLM 聚类方法，准确率从 51.2% 提升到 59.3%，NMI 从 67.2% 提升到 74.8%，ARI 从 45.4% 提升到 54.7%。我们进一步报告来自 SaaS 票证主题发现管道的生产部署证据，其中 RAILS 已取代传统的 HDBSCAN 阶段，具有更高的集群质量、透明的提示驱动控制和有状态增量操作。