Verifica Condizionale al Regime: Un Metodo Leggero per Adattare i Classificatori di Sicurezza

Un nuovo studio pubblicato su arXiv (2608.14089) introduce la Verifica Condizionale al Regime (RCV), un metodo innovativo che adatta i classificatori di sicurezza esistenti per i modelli linguistici di grandi dimensioni senza bisogno di riaddestramento. RCV affronta due sfide comuni: classificatori che riflettono la politica di addestramento piuttosto che la politica di implementazione prevista, e cali di prestazioni dovuti a cambiamenti nel traffico di implementazione. Valutando il funzionamento interno del classificatore, RCV identifica quando una previsione potrebbe andare contro la politica del deployer e apporta correzioni se necessario. Fornisce anche un modo per rilevare cambiamenti nella distribuzione dei dati senza etichette, creando un ciclo per aggiornare le stime di correttezza e ottimizzando il classificatore solo quando è assolutamente essenziale. RCV migliora l'aderenza alla politica del deployer su tutti i classificatori testati, supportando tre classificatori di sicurezza e due dataset di riferimento.