标签
研究通过预注册的受控实验比较了声明式动画规格与自由HTML/JavaScript代码两种LLM生成解释的方案，发现规格虽更短，但由于推理开销增加并未更便宜、更快或更可靠，小模型的规格可靠性甚至显著更低。
本文形式化定义了LLM解释充分性的概念，提出了一种名为SCSuff的新指标，利用模型自身的输入信念评估自由文本解释，并证明了当前LLM解释普遍不充分。