研究提出LLM自解释功能一致性评估框架

Alisson Rosa Pereira 与 Bruno Iochins Grisci 提出“功能自洽性”框架，用于检验大语言模型在文本分类中标注的关键 token 是否与其预测行为一致。该框架基于一个原则：若模型认定某些 token 是决定性的，那么单独保留、删除或语义反转这些 token，应使其预测发生系统性且可解释的变化。 研究以充分性、全面性和反事实性三项指标，在 IMDB 与 Steam 评论数据上评测。报道未给出评测结果。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。