LLM 推理与训练影响的透明筛查
机器学习
2026-04-23 v1 人工智能
计算与语言
摘要
本文提出了一个透明筛查框架，用于在有限可观测性下评估当前大型语言模型的推理与训练影响。该框架将自然语言应用描述转化为有界环境估计，并支持对当前市场模型的在线比较观测台。它不宣称对不透明的专有服务进行直接测量，而是提供一种可审计的、关联来源的代理方法学，旨在提升可比性、透明度和可复现性。
引用
@article{arxiv.2604.19757,
title = {Transparent Screening for LLM Inference and Training Impacts},
author = {Arnault Pachot and Thierry Petit},
journal= {arXiv preprint arXiv:2604.19757},
year = {2026}
}