E-posta asistanınız karar verirken ne kadar yanılıyor?
Orijinal başlık: Measure Before You Train: Typed Decision Models vs. a Classical Baseline vs. a Generative LLM for Routing a Personal Multilingual Inbox
KISACA
- Tek cümlede
- Araştırmacılar, Foyer adlı günlük kullanımdaki kişisel inbox asistanını inceledi.
- Bulgu
- Asistanların hata oranı nadiren gerçek ölçülüyor, çünkü referans etiketleri genelde sistemin kendisi yazıyor.
- Neden önemli?
- Foyer, tipik karar modelleri, klasik yöntem ve üretken LLM'yi aynı gerçek etiketlerle karşılaştırıyor.
Ne oldu?
Kişisel e-posta asistanları her mesaj için ne olduğuna, aciliyetine, yanıt taslağı mı yoksa görev mi oluşturulacağına karar veriyor, ama bu kararların hata oranı nadiren gerçek anlamda ölçülüyor çünkü referans etiketler genelde sistemin kendisi tarafından yazılıyor. Araştırmacılar günlük kullanımda olan kendi kendine barındırılan bir kişisel gelen kutusu asistanı olan Foyer'i tanıtıyor ve bu asistanı türe özel karar modelleri, klasik bir temel yöntem ve üretken bir LLM ile karşılaştırarak gerçek hata oranını ölçüyor.
Asıl kazanım, asistanların performansını gerçekten ölçüp geliştirebilecek bir çerçeve.
Aynı haberin kısa dikey video özeti.
Bu notu kaynak göstererek alıntılayabilirsin: Hasan Amanet, “E-posta asistanınız karar verirken ne kadar yanılıyor?”, Notes for Data Science, 26 Ekim 2026.