新的LLM指纹识别方法增强了对修改的鲁棒性

研究人员开发了一个新的框架，用于创建大型语言模型（LLM）的鲁棒指纹，以防止未经授权的使用。该方法称为代码混合指纹（CF），在高度约束下使用低困惑度的代码混合来平衡不可感知性和可检测性。此外，一种称为多候选编辑（MCEdit）的技术创建了冗余的触发器-目标映射，当模型被修改时会优雅地降级，确保持续的所有权验证。 AI

影响 通过提供更鲁棒的方法来跟踪所有权和防止滥用，增强了LLM的安全性。

排序理由 该集群包含一篇详细介绍LLM指纹识别新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Code-mixing Fingerprints
• DagsHub
• Gotit.pub
• Hugging Face
• Large Language Models
• Multi-Candidate Editing
• ScienceCast
• Yue Li

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →