论文审计推理时模型漂移下语言模型共形预测覆盖率失真
原文标题：Auditing Conformal Prediction for Language Models Under Inference-Time Model Shift
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出语言模型共形预测通常在标定与部署配置一致的匹配协议下评估，而实际部署常因量化模式、温度等不同产生推理时模型漂移。在 8 个模型、4 个基准、12 种推理配置上的实验显示匹配评估会显著高估部署覆盖率，且效应因模型与数据集而异。
- 问题
- 语言模型共形预测在标定与部署推理配置不一致时覆盖率失真。
- 方法
- 形式化推理时模型漂移，理论刻画其破坏 split-conformal 可交换性，并在多配置下实测。
- 结果
- 8 个模型、4 个基准、12 种推理配置上，匹配评估显著高估部署覆盖率，效应因模型与数据集而异。
- 影响
- 部署量化或调温度后，共形预测的覆盖率保证可能失效，需把推理配置作为实验轴报告。
深读 · 结论先行AI 生成展开看要点与影响 ↓
共形预测的匹配评估会显著高估部署覆盖率，8 模型 4 基准 12 配置验证
- •将现象形式化为推理时模型漂移：推理配置改变共形分数分布而非输入-标签分布
- •理论上说明即使任务分布与模型不变，该漂移也破坏 split-conformal 可交换性
- •量化模式、温度等配置在部署时常与标定时不同
- •实验覆盖 8 个语言模型、4 个有限标签基准、12 种推理配置
- •效应因模型与数据集而异，作者主张把推理配置列为评估一等轴
为什么重要：依赖共形预测给出置信区间的 LLM 系统，若标定与线上量化或温度不一致，实际覆盖率可能远低于报告值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。