LLM自解释功能一致性评估框架提出

2026年10月26日，arXiv Artificial Intelligence 刊出 Alisson Rosa Pereira 与 Bruno Iochins Grisci 的研究，提出一个基于自洽原则的实验框架，用于检验大语言模型在文本分类任务中给出的高亮 token 解释是否与其自身预测行为一致。该框架以充分性、全面性和反事实性为指标：若模型将某些 token 标为决定性，则隔离、移除或语义反转这些 token 应使其预测产生系统性且可解释的变化。研究在 IMDB 与 Steam 评论数据上测试了 GPT-4o-mini、Gemma3、Granite8B 和 DeepSeek。报道未披露各模型的具体测试结果，也未说明框架的适用范围是否限于上述数据集与模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。