安全判定模型也能给出泛化保证:LoRA-GT 在全部 40 个模型—数据集—损失组合中证书最紧
面向按固定生成器输出做安全分类的大语言模型判定器,一种基于 PAC-Bayes 的认证流程可以在不单独留出验证集的情况下给出非空泛、甚至较紧的风险上界,同时覆盖 0–1 分类风险和 Brier 风险。做法是把标准参数高效微调得到的适配器量化、无损压缩,用描述长度充当复杂度项;新提出的 LoRA-GT 让所有层共用一个量化尺度,在五个护栏模型、四个基准的全部 40 个模型—数据集—损失组合中给出最紧证书。证书紧度更多随适配复杂度变化,而不是随基座模型规模变化。