研究提出大模型更新变更包络与泄漏验证框架

1. 13:00
   arXiv 机器学习

   模型更新去哪了？认证模型更新的声明变更包络

   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。

Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.