用于可解释大语言模型的三元融合框架：认知、功能与因果维度——TAXAL框架
计算与语言
2025-09-08 v1
摘要
大语言模型（LLM）越来越多地被部署在高风险领域，其中不透明性、偏见和不稳定性削弱了信任和问责。传统可解释性方法聚焦于表面输出，无法捕捉代理型LLM的推理路径、规划逻辑和系统性影响。我们提出了TAXAL（代理型LLM可解释性的三元对齐，Triadic Alignment for eXplainability in Agentic LLMs），一个三元融合框架，整合了三个互补维度：认知（用户理解）、功能（实用效用）和因果（忠实推理）。TAXAL为在多样化的社会技术环境中设计、评估和部署解释提供了统一的、角色敏感的框架。我们的分析综合了现有方法，从后验归因和对话式界面到面向解释提示，并将其置于TAXAL三元融合模型中。我们进一步通过法律、教育、医疗和公共服务领域的案例研究展示了其适用性，说明了解释策略如何适应制度约束和利益相关者角色。通过将概念清晰性与设计模式和部署路径相结合，TAXAL将可解释性推进为一项技术和社技实践，支持代理型AI时代的可信和上下文敏感的大语言模型应用。
引用
@article{arxiv.2509.05199,
title = {Triadic Fusion of Cognitive, Functional, and Causal Dimensions for Explainable LLMs: The TAXAL Framework},
author = {David Herrera-Poyatos and Carlos Peláez-González and Cristina Zuheros and Virilo Tejedor and Rosana Montes and Francisco Herrera},
journal= {arXiv preprint arXiv:2509.05199},
year = {2025}
}
备注
27 pages, 9 tables and 2 figures