शोधकर्ताओं ने बड़े भाषा मॉडलों के लिए एक रियल-टाइम मॉनिटरिंग सिस्टम का प्रस्ताव दिया है जो बाहरी मॉडल के वेरिफायर सिग्नल का उपयोग करता है जब सुरक्षा की गारंटी नहीं दी जा सकती तो अलार्म ट्रिगर करने के लिए। सिस्टम वेरिफायर आउटपुट पर थ्रेशोल्डिंग के द्वारा अलार्म निर्णय तय करता है, जिसमें थ्रेशोल्ड जोखिम नियंत्रण विधियों के माध्यम से कैलिब्रेटेड होता है।
- दृष्टिकोण जटिल क्रमागत परिकल्पना परीक्षण के बजाय बाहरी मॉडल से सिग्नलों की सरल थ्रेशोल्डिंग पर निर्भर करता है।
- प्रदर्शन का आकलन करने के लिए गणितीय तर्क और red teaming डेटासेट पर प्रयोग किए गए।
- डिज़ाइन को क्रमागत परिकल्पना परीक्षण पर आधारित अधिक उन्नत मॉनिटरों के साथ प्रतिस्पर्धी दिखाया गया है।