面向大语言模型行为刻画与风险管理的分布框架

研究提出一个贯穿模型生命周期的分布框架，用蒙特卡洛模拟构建经验响应分布，并通过语义干预观察分布变化。该框架以借款人分类和音乐专辑推荐两项任务演示，量化分布偏移，并关联模型风险管理与治理，衡量稳健性与控制有效性、刻画残余行为。由于仅依赖观测响应，它也可用于通过商业 API 访问的黑盒模型。