TRUST：去中心化大语言模型推理审计框架
人工智能
2025-10-24 v1
摘要
大语言模型生成复杂的推理链暴露其决策过程，但验证这些中间步骤的忠实性与无害性仍是关键未解难题。现有审计方法中心化、不透明且难以扩展，使得在高风险领域部署专有模型存在重大风险。我们识别了四个核心挑战：（1）鲁棒性：中心化审计员是单点故障，易受偏见或攻击；（2）可扩展性：推理链长度导致手动验证困难；（3）透明度：封闭审计削弱公众信任；（4）隐私：暴露完整推理风险模型被窃取或蒸馏。我们提出TRUST，一个透明且去中心化的审计框架，通过以下方式克服这些限制：（1）众多审计员间的共识机制，确保在最高达30%恶意参与者时仍保证正确性；（2）推理链的层次化DAG分解，实现可扩展且可并行的审计；（3）区块链账本记录所有验证决策以实现公众问责；（4）隐私保护分段，仅共享部分推理步骤以保护专有逻辑。我们为TRUST框架的安全性与经济激励提供了理论保证。实验在多个LLM（GPT-OSS、DeepSeek-r1、Qwen）和推理任务（数学、医学、科学、人文）上表明，TRUST有效检测推理缺陷，并在对抗性审计员下保持鲁棒性。我们的工作开创了去中心化AI审计的先河，为实现安全可靠的LLM部署提供了实用路径。
引用
@article{arxiv.2510.20188,
title = {TRUST: A Decentralized Framework for Auditing Large Language Model Reasoning},
author = {Morris Yu-Chao Huang and Zhen Tan and Mohan Zhang and Pingzhi Li and Zhuo Zhang and Tianlong Chen},
journal= {arXiv preprint arXiv:2510.20188},
year = {2025}
}