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，即即使温度设置为0，模型对相同输入的解释也会随着时间推移或在不同模型之间发生变化。作者认为，这个问题经常被忽视，但却是 MLOps 管道中的一个重大问题，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一种共享语言和理解，重点关注实际示例，而不是基准测试或准确性辩论。其目的是帮助从业者在日常工作中识别和解决此问题。