面向大语言模型可信性的无需训练方法系统研究

研究者系统重评了现有无需训练方法对大语言模型可信性的提升效果，及其对效用、鲁棒性和计算开销的影响。论文按方法在推理时干预模型信息流的位置，将其分为输入、内部、输出三个层级，并指出这类方法此前在文献中评估标准不一、覆盖的可信性维度有限，还可能带来效用下降与脆弱性增加等副作用。作者跨不同模型家族与规模分析了各层级的代表性方法，总结现有文献的关键发现与局限，并提出在不额外训练的前提下平衡可信性、效用与鲁棒性的实践建议。