跳到正文
arXiv · AI· Harry Mayne, Justin Singh Kang, Dewi Gould, Kannan Ramchandran, Adam Mahdi, Noah Y. Siegel·· 2026-10-08AI 评分33

研究提出 NSG 指标证实 LLM 自我解释具备正向忠实性

A Positive Case for Faithfulness: LLM Self-Explanations Help Predict Model Behavior

AI 导读

研究引入归一化模拟增益(NSG)指标,验证 LLM 自我解释能显著增强模型行为预测准确性。 在评估 Gemini 3、GPT-5.2 等 18 个前沿模型时发现,自我解释带来 11-37% 的 NSG 提升。 尽管 5-15% 的自我解释存在误导,其仍比外部模型生成的解释更具预测价值。

来源:arXiv · AI · arxiv.org