简介
本文研究了大语言模型（LLM）在异常条件下的行为，特别是当模型处于低故障率的工作流中时，其解释性参与度（包括长度、具体性和自我报告的信心）如何随着故障的渐近稀少性而变化。
实验设计
作者在三个开源模型（qwen3:8b、llama3.1:8b和mistral:7b）上建立了一个本地、零成本的测试框架，运行重复的工具调用任务，其中一个调用以概率$p$失败，分别在八个故障率（从0.2到0.0001）和五个提示条件下进行实验。
结果
实验结果显示，随着故障的渐近稀少性，模型的解释性参与度的变化并不是预期的单调增加，而是呈现出不同的模式。特别是在强制即时解释的条件下，模型的解释长度在$p=0.05$时达到峰值，然后在最稀少的故障率下稳定在17.4-19.0个词左右，信心也呈现出不均匀的增加。
结论
本文的结果表明，解释结构是观察到模型行为变化的第一类调节因素。未来工作的方向包括捕捉故障率之间的行为。 博主点评： 本文通过实验研究了大语言模型在异常条件下的解释性参与度的变化，揭示了模型行为的渐近稀少性和解释结构的重要性，对于理解和改进LLM的异常处理能力具有重要意义。