arXiv cs.CL· Nicholas S. Kersting, Vittorio Castelli, Chieh Ting Yeh, Xinzhu Wang, Saad Taame, Khaoula Allak·· 10 小时前AI 评分31
文本语料作为概念场：提供可解释的接地性
Text Corpora as Concept Fields: Providing Explainable Groundedness
AI 导读
研究者提出“概念场”（Concept Field），在句子嵌入空间中用相邻句子的 delta 估计带逐点不确定性的局部漂移场，并以 ζ 分数衡量候选句子转移与场的吻合度，给出模型无关、可归因于语料的接地性量化指标。
正文 · AI 翻译
摘要：我们引入了文本语料的\textbf{概念场}：一个具有逐点不确定性的局部漂移场，在句子嵌入空间中根据连续句子之间的增量进行估计。给定一个候选句子转换，我们用 $\zeta$ 来评分其与场的一致性，$\zeta$ 是观测增量与场的局部统计估计之间的平均绝对 z 距离，从而给出一个可量化的有据性度量。该评分与模型无关且可归因于语料，提供可追溯至语料语义的线索，以支持或反驳有据性。我们通过引入\textbf{向量序列数据库（VSDB）}来驱动计算，该数据库存储嵌入以及序列位置和下一增量元数据。我们在两个大规模场景中展示了该方法：在美国联邦法规汇编上进行有据性检测，在 Project Gutenberg 上进行无据性（新颖性）检测，我们表明概念场在有据/无据/不确定的分诊策略下实现了强选择性分类性能。与以检索为中心的基线不同，由此产生的覆盖-风险行为在两个评估领域中显示出相似的实证覆盖-性能趋势。概念场为有据性提供了一种快速、轻量且可解释的信号，补充了 LLM 作为评判者和白盒检测器。
| 评论： | 33 页，10 幅图，20 张表；新增了额外的可解释性分析 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2605.05103 [cs.CL] |
| （或 arXiv:2605.05103v4 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.05103 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Nicholas Kersting [查看电子邮件]
[v1]
2026 年 5 月 6 日星期三 16:38:49 UTC（1,694 KB）
[v2]
2026 年 5 月 9 日星期六 17:34:20 UTC（1,694 KB）
[v3]
2026 年 8 月 12 日星期三 16:10:50 UTC（1,928 KB）
[v4]
2026 年 10 月 30 日星期五 20:11:45 UTC（2,441 KB）
来源：arXiv cs.CL · arxiv.org