arXiv 机器学习· Muhammad Usama, Muhammad Saad Qadir·· 17 hours agoAI score46
模型更新去哪了？认证模型更新的声明变更包络
Where Did the Update Go? Certifying Declared Change Envelopes for Model Updates
Not yet translated; shown in Chinese.
AI guide
研究提出“声明变更包络”框架与统计检验方法，用于认证大语言模型更新是否仅在预定输入范围内发生行为变更。对 1.5B 至 72B 参数模型的测试显示，领域与策略 LoRA 更新仅有约 7-36% 的变更落在声明范围内。通过无标签样本蒸馏原模型决策，anchored LoRA 与 GRPO 可认证 5% 的泄漏率，但开放式对话场景仍无法认证。
Source:arXiv 机器学习 · arxiv.org