arXiv cs.AI· Wei Hou, Jingxin Geng, Xin Chen, Zheqing Jiang·· 4 小时前AI 评分34
LMLineage:面向 LLM 智能体的内容溯源与上下文治理系统
LMLineage: Content Lineage and Context Governance for LLM Agents
AI 导读
LMLineage 是一个无需白盒访问或额外推理的带外系统,可将智能体会话的每句输出归因到支撑它的输入片段并给出校准置信度。基于溯源元数据,它实现概念漂移微压缩:检测不再被引用的输入文档并仅压缩这些部分,同时逐字保留用户指令。
正文 · AI 翻译
摘要:AI 智能体的可解释性不应局限于理解模型的内部权重。它还必须涵盖智能体在多源上下文中的推理与决策过程。我们提出 LMLineage,一个带外系统,可将智能体会话的每个输出句子归因到其支持的输入片段,并给出经过校准的置信度,且无需对模型进行白盒访问,也无需任何额外的推理过程。在线索元数据之上,我们构建了概念漂移微压缩:系统不再等待上下文长度达到上限并总结所有内容,而是检测先前使用的输入文档何时不再被引用(“漂移”),并仅对这些文档进行精准压缩,同时逐字保留用户指令。我们在多层级语料上进行评估:来自 10 个中文网页问答案例的 71 个黄金标注句子,以及跨三个生成模型(gpt-4o-mini、qwen3.8-27b、deepseek-v4-flash)独立收集的 90 轮多轮会话。结果表明:(i) 窗口级嵌入相似度与 LLM 改写的对齐程度远优于整文档或词法匹配;(ii) 贪心窗口快速路径平均而言比穷举行匹配更快且更准确(后者的多重比较偏差以整体准确率为代价抬高了网页召回率);(iii) 单轮归因在单块 GPU 上 1 秒内完成,且随着上下文累积到 40 轮仍保持稳定;(iv) 概念漂移检测较为保守(0% 误压缩),召回率受归因准确率限制。我们进一步描述了概念漂移微压缩的设计,以及一个交互式事件追踪/记忆清理的案例研究。一项配套专利申请涵盖了线索构建方法。
| 主题: | 人工智能(cs.AI);计算与语言(cs.CL) |
| 引用为: | arXiv:2611.22511 [cs.AI] |
| (或本版本的 arXiv:2611.22511v1 [cs.AI]) | |
| https://doi.org/10.48550/arXiv.2611.22511 arXiv 颁发的 DOI 通过 DataCite(待注册) |
提交历史
来自:Wei Hou [查看电子邮件]
[v1]
2026年11月17日星期二 10:05:59 UTC(331 KB)
来源:arXiv cs.AI · arxiv.org