arXiv · Statistics Machine Learning· David Garc\'ia-Lorite, Raul Merino·2026-10-12 12:00· 2 小时前AI 评分26

大语言模型行为表征与风险管理的分布框架

A Distributional Framework for Behavioral Characterization and Risk Management of Large Language Models

AI 导读

论文提出一个适用于大语言模型全生命周期的分布框架，通过蒙特卡洛模拟估计经验响应分布，并引入语义干预来量化分布变化。框架以借款人分类和音乐专辑推荐两个任务示例，衡量鲁棒性、控制有效性与残余行为。由于仅依赖观测响应，该方法也可用于经商业 API 访问的黑盒模型。