False Floors: LLM Safety Routing Evaluations Break Under Distribution Shift
本文研究的是 LLM 安全路由（safety routing）评测中的方法论缺陷。安全路由器的做法是把每个请求分派给多个候选模型中的一个，其效果通常以「与最佳单模型（best single model）对比」来评判。问题在于，主流路由基准是
#distribution-shift
共收录 6 条相关情报。
← 返回所有主题Partition-Matched Evaluation of Community Features under Distribution Shift in Android Malware Function-Call Graphs
该论文研究基于函数调用图的 Android 恶意软件分类器在分布偏移（恶意软件类型或家族变化）下的泛化能力，核心问题是：函数调用图中的"中观"组织结构（即社区/模块化社区划分）是否能在局部度数分布（LDP）、全局统计量、轻量级元数据以及规模
Temporal Generalization and Explanation Stability of Control Flow Graph Neural Networks for Malware Detection
该论文研究的是基于控制流图（CFG）的图神经网络（GNN）恶意软件检测器在时间分布偏移下的泛化能力与可解释性稳定性。作者指出，现有工作普遍在一个单一时间窗内采集的语料上做随机划分（random split）评估，训练集与测试集来自同一时期，
Regime-Conditional Verification: Correctness Estimation for Adapting and Monitoring Safety Classifiers
本文针对大型语言模型（LLM）部署中安全分类器（safety classifier）失效的两大痛点提出解决方案：一是分类器在训练时学到的策略与部署方（deployer）期望的策略不一致，导致决策偏差；二是随着部署流量分布演化，分类器性能会逐
CipherSight: Robust Website Fingerprinting via Record-Resource Semantic Supervision under Distribution Shifts
本文提出 CipherSight，一种基于 TLS 记录层的高鲁棒性 HTTPS 网站指纹识别（WF）框架，旨在解决真实部署中因时间和地域变化导致的分布偏移（OOD）以及开放世界场景中不断出现的新网站问题。现有方法主要从原始 TCP 包序列
Online Shift Detection and Conformal Adaptation for Deployed Safety Classifiers
该论文提出了一种针对已部署安全分类器的在线分布漂移监测系统。系统利用校准的序贯统计量（如加权共形预测或逻辑密度比估计）实时检测分类器的输入分布是否发生变化。一旦检测到漂移，系统会通过共形弃权层自动调整决策阈值，以恢复预设的目标错误率（ε=0