概念Self-Explanation
模型自解释
让大语言模型用自然语言解释自身推理过程或决策依据的方法，其可靠性存在合理化现象等争议
时间轴 (近 90 天)
11月1日
研究表明，大语言模型可能生成看似合理但与实际计算过程不符的解释，即“合理化”现象。
待验证50%
11月1日
在Agent失败溯源中，依赖模型自解释需要谨慎，最好与其他证据（如轨迹、工具输出）交叉验证。
待验证50%
让大语言模型用自然语言解释自身推理过程或决策依据的方法，其可靠性存在合理化现象等争议
研究表明，大语言模型可能生成看似合理但与实际计算过程不符的解释，即“合理化”现象。
在Agent失败溯源中，依赖模型自解释需要谨慎，最好与其他证据（如轨迹、工具输出）交叉验证。