PulseAugur
中
实时 17:43:29
English(EN) Have You Ever Seen Them? Entity-level Membership Inference through Interrogating Large Language Models

新研究探讨大型语言模型推断、隐私和代码风格计量

作者 PulseAugur 编辑部 · [3 个来源] ·

近期研究探索了大型语言模型（LLMs）的内部工作机制和安全性。一项研究调查了LLMs如何形成类似于人类海马体的抽象表征以支持推断，发现LLMs的更高层级表现出与抽象上下文几何相关的几何结构。另一系列论文则关注隐私和安全，提出实体级成员推断的方法来检测特定实体的信息是否被用于LLM训练，并探讨了LLMs如何被用来模糊代码风格计量，使作者归属更具挑战性。 AI

影响 这些研究突显了在理解LLM内部机制、潜在隐私风险以及代码作者归属不断发展的格局方面取得的进展。

排序理由 该集群由发表在arXiv上的多篇学术论文组成，探讨了LLM的能力和安全性。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →

新研究探讨大型语言模型推断、隐私和代码风格计量

报道来源 [3]

  1. arXiv cs.AI TIER_1 English(EN) · Yuwang Wang ·

    抽象表征几何支持大型语言模型的推理

    A defining feature of human intelligence is the ability to adapt to changing environments by inferring latent task structure from sparse observations. Neuroscientific research indicates that this capability relies on the hippocampus constructing abstract representations, expresse…

  2. arXiv cs.CL TIER_1 English(EN) · Ziqi Yang ·

    你见过它们吗？通过审问大型语言模型实现实体级成员推断

    Large Language Models (LLMs) raise growing concerns about privacy leakage and copyright compliance. Membership inference is a key tool for assessing such risks, but existing studies mainly focus on whether specific samples or sample-based data units are used for training. We argu…

  3. arXiv cs.AI TIER_1 English(EN) · Yue Li, Xin Yi, Dongsheng Shi, Yongyi Cui, Gerard de Melo, Linlin Wang ·

    从构建到注入：大型语言模型的基于编辑的指纹

    arXiv:2509.03122v4 Announce Type: replace-cross Abstract: Reliable model fingerprints are essential for protecting large language models (LLMs) against unauthorized redistribution and commercial misuse. In black-box deployment, verification is hindered by defensive filtering of s…

相关实体

相关话题