基于大模型与动态共形预测的具身失效预警干预方法

本发明涉及可信赖机器学习模型部署技术领域，尤其涉及基于大模型与动态共形预测的具身失效预警干预方法，包括：针对视觉‑语言‑动作大模型在分布外场景下以高置信度输出错误动作的安全隐患，通过钩子函数无侵入提取大模型末层原始隐状态并构建时序窗口矩阵，利用轻量级时序分析网络计算失效预判分数，再采用在线自适应共形预测机制动态更新时变决策阈值并与当前分数比较输出失效判决信号，一旦判定失效则由底层安全控制器冻结大模型对执行器的控制权限并触发安全降级协议。本发明能够在不显著增加计算开销的前提下，实现具有严格统计保证的失效预警与主动干预，有效平衡了误报率与漏检率之间的矛盾。