面向概率ML谓词的无冲突策略语言：框架与语义路由 DSL 案例研究
机器学习
2026-03-20 v1
摘要
策略语言中的冲突检测是一个已解决的问题——只要每个规则条件都是 crisp Boolean谓词。BDDs、SMT求解器和NetKAT都利用了这一假设。但越来越多的路由和访问控制系统基于概率ML信号做出决策：嵌入相似性、域分类器、复杂度估计器。两个声称在作者意图为互斥的类别上都通过其阈值，可能会在同一查询上静默地将其路由到错误的模型。编译器没有任何警告。我们将该问题描述为一个三级可判定性层次——crisp冲突可通过SAT求解、嵌入冲突归结为球形极端相交，分类器冲突在没有分布知识的情况下是不可判定的——并展示对于嵌入case，由于在实践中占主导地位，用温度缩放softmax取代独立阈值可将嵌入空间划分为Voronoi区域，其中co-firing是不可能的。不需要模型重新训练。我们在语义路由 DSL中实现了检测和预防机制，这是一种用于LLM推理的生产路由语言，讨论了相同思想如何适用于语义RBAC和API网关策略。
引用
@article{arxiv.2603.18174,
title = {Conflict-Free Policy Languages for Probabilistic ML Predicates: A Framework and Case Study with the Semantic Router DSL},
author = {Xunzhuo Liu and Hao Wu and Huamin Chen and Bowei He and Xue Liu},
journal= {arXiv preprint arXiv:2603.18174},
year = {2026}
}
备注
Work in progess