一家社交媒体公司希望比较 SageMaker JumpStart 中提供的多个 LLM 的输出毒性，同时最大限度地减少操作工作。哪种评估方法的运营开销最少？

自动模型评估（Automated Model Evaluation）运营开销最少，因为它使用预定义的指标和算法自动评估模型输出，无需人工干预。这使得公司能够快速、经济地比较多个大型语言模型（LLM）的毒性。众包评估和使用人工审核员进行模型评估都需要大量人工参与，运营成本高。基于人类反馈的强化学习（RLHF）虽然能提高模型性能，但其主要目的是优化模型，而非快速评估现有模型的毒性，且需要持续的人工反馈，运营开销也很大。