食谱营养估计：传统方法与LLM的系统对比研究

本文系统对比TF-IDF、DeBERTa-v3、LLM及混合管道在食谱营养估计任务的表现。核心发现：LLM及混合管道在EU 1169/2011严格标准下准确率最高，但存在显著效率-精度权衡；传统方法虽快但精度有限。研究为不同场景（实时/精度优先/混合）的模型选择提供指导，同时指出当前局限与未来方向。

从非结构化食谱文本准确估计营养成分是饮食监测的重要难题，源于两点：

1. 模糊食材术语：如“一把菠菜”“适量盐”缺乏标准化，加工状态（新鲜vs罐装番茄）也影响营养；
2. 可变数量表达：体积（杯/勺）、重量（克/盎司）、计数（个/片）及模糊描述（少许）多样，需复杂推理标准化。

评估了四类模型：

1. TF-IDF+Ridge回归：词汇基线，优势是快、简单、可解释，但无法处理语义相似性和复杂数量；
2. DeBERTa-v3：深度语义模型，预期语义能力强，但因数据稀缺及缺乏食品特定知识表现不佳；
3. LLM生成推理：利用世界知识、解析模糊术语、归一化单位、展示推理链，准确率高；
4. 混合LLM精炼管道：TF-IDF快速初始估计+LLM修正，平衡效率与精度。

研究使用欧盟法规1169/2011定义的严格容差标准评估，该法规规定食品营养标签精度要求，为任务提供现实且严格的基准。

准确率排名（EU标准下）：1.混合LLM管道>2.少样本LLM>3.TF-IDF>4.DeBERTa-v3；LLM在所有营养类别表现最佳。 效率对比：

方法	推理延迟	准确率
TF-IDF	毫秒级	中等
DeBERTa-v3	百毫秒级	较低
LLM	秒级	最高
混合管道	秒级	最高
结论：更高精度需以实时性为代价。

1. 实时应用：如移动实时扫描，选TF-IDF（毫秒级响应）；
2. 精度优先：如医疗营养监测，选LLM（符合法规精度）；
3. 混合部署：快速阶段TF-IDF初步估计，后台LLM优化，渐进式体验。

当前局限：仅在FoodBench-QA评估，未分析LLM成本，无多语言支持； 未来方向：领域自适应微调LLM、评估高效小LLM、结合结构化营养数据库、设计交互式系统。