我们提出，模型对代币的不确定性不仅反映在其输出分布的广度上，而且还反映在其注意路径的扰动下，自信预测是否\ emph {脆弱}。我们将其实例化为ASMI （ Attention-Subnetwork Mutual Information ，注意力-子网互信息） ，这是一个无需训练的估计器，用于掩盖注意力头并测量

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.11138v1)获取最准确的信息。

---
🔗 **原文链接**: [Attention-Path Fragility as an Uncertainty Signal in Large L](https://arxiv.org/abs/2608.11138v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Minsoo Kim, Sungyoung Ji, Kisung Moon, Ilyong Yoon

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-12 14:02