English(EN) Who's Behind the Text? Robust Model Authorship Attribution

新的ATLAS方法提高了AI模型作者归属的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了一种名为ATLAS（Authorship Tracing via Likelihood-based Attribution of Sources）的新方法，以提高识别哪个大型语言模型生成给定文本的准确性。现有方法在遇到来自未见领域或未来模型版本的文本时常常失败。ATLAS通过模拟文本如何从每个来源家族生成并比较似然性，而不是直接预测，来解决这个问题。ATLAS的有效性在MAABench上得到了证明，MAABench是一个专为分布外场景设计的新基准，ATLAS在该基准上的表现显著优于以前的方法，尤其是在领域和模型版本都发生变化的情况下。此外，ATLAS通过衡量目标LLM与已知教师模型的相似程度，在识别蒸馏来源方面也显示出潜力。 AI

影响通过提供一种更强大的方法来检测AI生成的文本，即使是来自未见模型，也增强了AI安全和学术诚信。

排序理由该集群包含一篇学术论文，详细介绍了一种新的模型作者归属方法。[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: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一种新的模型作者归属方法。[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, model release, safety; 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) · Minseok Ko, Hyunseok Lee, Woomin Song, Beomjun Kim, Jinwoo Shin, Kunwoong Kim · 2026-10-15 04:00

文本出自谁之手？强大的模型作者归属识别

arXiv:2610.19583v1 Announce Type: cross Abstract: As large language models (LLMs) are increasingly used to generate text, their misuse has become a growing societal problem, with implications for academic misconduct, model distillation, and cyberattacks. For these reasons, Model …

本文如何被排名

报道来源 [1]

文本出自谁之手？强大的模型作者归属识别

相关实体

相关话题