看不见的编辑层：对未披露的推理时引导、概率投放与已部署语言模型中的归因问题进行形式化

大型语言模型（LLMs）通常在这样一种假设下进行评估：其可观察行为主要由模型权重、训练数据、对齐流程以及用户提示词所决定。这个观点并不完整。现代推理流水线可能会在模型生成 token 之前、紧接着对其产生的概率分布进行系统性修改，从而在冻结权重与可观察文本之间创建一层额外的控制层。 尽管受控生成（例如 PPLM、GeDi、DExperts、FUDGE）和文本水印系统（例如 SynthID-Text）展示了在解码层和 logit 层进行干预的技术成熟度，未披露推理策略所带来的治理、安全与经济影响却相对缺乏研究。本文考察推理时框架偏置的出现：即在模型推理之后但在 token 采样之前施加干预，从而系统性地将生成语言引导向政治、意识形态、制度或商业框架。 我们将 Model != Deployed System 这一运行现实形式化，并提出三个概念：（1）推理归因问题，用于刻画在有限可观测条件下，为何观察到的行为偏置通常不能仅仅归因于模型权重；（2）概率投放，定义一种假设性的广告原语，其中商业影响不是通过显式插入产品，而是通过系统性改变生成概率来实现；以及（3）推理策略透明性，一项用于使部署层干预可审计的治理原则。我们将这些概念与欧盟 AI Act 第 5 条、欧盟 Digital Services Act 以及 FTC 的相关原则联系起来加以审视。