arXiv Artificial Intelligence· Alisson Rosa Pereira, Bruno Iochins Grisci·2026-10-26 12:00· 2 小时前AI 评分31

语言模型信任自己的解释吗？一项关于功能一致性的研究

Do Language Models Trust Their Own Justifications? A Study on Functional Consistency

AI 导读

研究提出基于自洽原则的实验框架，检验 LLM 文本分类中高亮 token 解释与自身预测的行为一致性，用充分性、全面性和反事实性指标在 IMDB 与 Steam 评论上测试 GPT-4o-mini、Gemma3、Granite8B 和 DeepSeek。