PulseAugur
中
实时 08:59:43
English(EN) Targeted Counterfactual Fingerprinting for Black-Box LLM Ownership Verification

新的TCF框架增强了黑盒大语言模型所有权验证

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为定向反事实指纹技术（TCF）的新框架，用于在只能通过黑盒API访问大型语言模型（LLM）时验证其所有权。TCF将开放式生成比较转化为受限答案的定向反事实迁移，减少了验证分数中的歧义。该方法优化了提示扰动以实现反事实目标，并使用一种仅受保护模型可获取的数量，称为源模型反事实边际（SCM），来认证目标的可能性。在四个大语言模型家族中，TCF的平均AUC为0.9861，优于TRAP、ProFLingo和ZeroPrint等现有方法。 AI

影响 这项研究为在黑盒场景下验证大语言模型所有权提供了一种更稳健的方法，可能影响知识产权保护和模型安全。

排序理由 该集群包含一篇详细介绍大语言模型所有权验证新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新的TCF框架增强了黑盒大语言模型所有权验证

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yutong Wu, Xiaofan Bai, Shixin Li, Pingyi Hu, Ziqi Zhou, Zilong Wang, Xiaojing Ma, Songfeng Lu, Yuhong Li, Jin Xuan, Yi Wang, Dongmei Zhang, Bin Benjamin Zhu ·

    针对性反事实指纹识别用于黑盒大模型所有权验证

    arXiv:2608.08195v1 Announce Type: cross Abstract: Large language models (LLMs) are high-value assets that can be derived through redeployment, fine-tuning, quantization, or further alignment. Because deployed LLMs are commonly exposed only through query APIs, ownership verificati…

相关实体

相关话题