Cet article aborde le problème de la « traceback contextuelle », qui permet de retrouver avec précision le texte (phrases, paragraphes, etc.) dans le contexte qui contribue à la sortie d'un modèle linguistique à grande échelle (LLM) capable de comprendre les contextes longs. Nous soulignons les limites des méthodologies d'attribution de caractéristiques existantes en termes d'efficacité et de précision, et proposons TracLLM, un nouveau cadre de traçage contextuel spécialisé dans les LLM à contexte de texte long. TracLLM améliore l'efficacité et la précision en utilisant des algorithmes de recherche basés sur l'information et des techniques de suppression du bruit et d'ensemble de scores de contribution. Il peut être appliqué à diverses applications concrètes telles que le débogage système basé sur les LLM, l'analyse des attaques et l'amélioration de la fiabilité utilisateur.
