arXiv cs.CL· Miaobo Hu, Shuhao Hu, Xiaobo Guo, Xin Wang, Bokun Wang, Daren Zha, Jun Xiao·· 2 天前AI 评分22
CascadeLedger：LLM 级联中信息与资源完整性的反事实审计
CascadeLedger: Counterfactual Auditing of Information and Resource Integrity in LLM Cascades
AI 导读
CascadeLedger 是一个面向预算受限语言模型级联的反事实执行审计框架，通过调用先于读取语义、服务与缓存身份绑定及事件轨迹冻结，判定聚合等价轨迹有效性。其两层审计在冻结缓存、独立生成与服务评估中实现 0.0000 假阳性率，检出 0.9983 的序列化故障与 0.9982 的未记录隐藏读取故障，并在确定性重算后改变 0.3403 的受损质量-资源结论。
正文 · AI 翻译
摘要：我们提出 CascadeLedger，一个面向预算受限语言模型级联的反事实执行审计框架。该协议强制实施先调用后读取语义，将成功读取绑定到服务和缓存身份，记录可用性和各组件预算转移，并在任何目标或任务评分器接入之前冻结事件轨迹。核心对象是聚合等价轨迹有效性：两次执行可以共享最终答案、声明的资源投影和服务直方图，但在其路由决策是否仅使用合法可观测信息上存在差异。我们以反事实前缀非干扰（CPNI）补充单轨迹不变量，后者耦合可见前缀与策略随机性，同时仅改变一个声明的隐藏族。反事实影响前沿（CIF）定位最早违规前缀和最小隐藏见证；投影保持对抗变异（PPAM）搜索对非反事实检查器仍可接受的无效轨迹。在冻结缓存、独立生成和服务评估中，双层审计报告了 0.0000 的干净假阳性率，检测到 0.9983 的序列化故障和 0.9982 的未记录隐藏读取故障，并在确定性重计算后改变了 0.3403 的损坏质量-资源结论。在线记录器和离线 CPNI 审计具有独立的开销测量。学习路由和语义验证在同一执行契约下提供下游兼容性研究。
| 评论： | 38 页，6 幅图 |
| 主题： | 密码学与安全（cs.CR）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.20668 [cs.CR] |
| （或 arXiv:2610.20668v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20668 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Bokun Wang [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 10:24:28 UTC（1,433 KB）
来源：arXiv cs.CL · arxiv.org