研究：LLM token计数在模型溯源识别上不可靠

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

一篇新发表在arXiv上的研究论文，调查了使用提示token计数作为识别通过黑盒API提供的LLM（大型语言模型）模型溯源方法的可靠性。研究发现，虽然token计数的一致性可以表明共享的token化堆栈，但它不足以作为确定模型家族溯源的独立测试。该研究采用了一种冻结阈值的留出法，发现在开发集上，该方法能够准确地区分同一模型家族内的模型，但在未接触过的留出集上可靠性较低，一些同一模型家族的模型未能达到既定阈值。 AI

影响这项研究表明，目前通过API响应识别LLM来源的方法可能并不可靠，这可能会影响模型归属和安全性。

排序理由在arXiv上发表的研究论文，详细介绍了对LLM API指纹识别方法的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 30 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 在arXiv上发表的研究论文，详细介绍了对LLM API指纹识别方法的研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Bo Chen · 2026-09-01 04:00

Token 计数并非模型谱系：一项关于黑盒 LLM API 指纹识别的冻结阈值留出研究

arXiv:2608.29930v1 Announce Type: new Abstract: Black-box model attribution is increasingly relevant when large language models (LLMs) are served through relay and reseller APIs. A tempting low-cost signal is the prompt-token count returned by an OpenAI-compatible endpoint: two m…

本文如何被排名

报道来源 [1]

Token 计数并非模型谱系：一项关于黑盒 LLM API 指纹识别的冻结阈值留出研究

相关实体

相关话题