馬可夫模型

深度分析

以馬可夫模型與學習式 CUSUM 快速偵測語言模型幻覺起始

本研究將幻覺起始視為快速變化偵測，使用第一階馬可夫模型推導出在1%誤報率下理論最小延遲約1.3 token，並比較多種檢測器，發現學習式CUSUM在11至13 token內偵測，遠快於高斯CUSUM的41 token與線性模型的31 token，指出資訊率瓶頸是主要限制，未來提升特徵可望縮短延遲。