解释漂移的经验证据与分类学领域指南

本文讨论了大型语言模型（LLM）中的“解释漂移”现象，即使用相同的提示，模型对输入的解释随时间或在不同模型之间发生变化。作者认为，这种漂移经常被忽视，但却是 MLOps 管道中的一个重要问题，导致 AI 辅助决策不稳定。本文介绍了一种“解释漂移分类法”，旨在围绕这种微妙的故障模式构建共享语言和理解，重点关注真实世界的示例，而不是基准测试准确性。目标是帮助从业者识别和解决其 AI 系统中的这个问题，从而将重点从输出可接受性转移到解释稳定性。