Upstart 通过迭代指标与 prompt 将 LLM 裁判一致率从 33% 提升至 92%

Upstart 通过迭代指标与 prompt，将语音 AI 中 LLM 裁判与人工审核员的一致率从 33% 提升至 92%。其改进闭环包括线上通话监控、人工审核队列、上线前重放模拟修复和自愈 Agent，每处变更仍由人工签核。