保守回退

研究提出的框架包含两个关键机制：保守回退（conservative fallback）和风险预算选择。保守回退指模型不确定时默认执行安全但效用保守的动作；风险预算选择指在被分配到效用最大化动作的输入子集上对假省略风险施加约束。

对LLM工程实践的启示包括：不要直接把模型输出的概率当作决策置信度使用；在无法转交人工的场景里应当显式设计保守回退策略；阈值选择需要统计保证。