研究人员开发了一种名为水印盆地对齐(WM-Basin)的新方法,用于在黑盒环境中检测蒸馏式大语言模型(LLMs)。该技术识别蒸馏模型参数空间中一个持久的几何信号,该信号与标准的微调方向正交。WM-Basin通过其API查询可疑模型,并使用探针模型将生成的文本映射到梯度表示,然后测试与水印盆地的对齐情况。与现有的令牌级统计方法相比,即使在量化和剪枝等蒸馏后修改之后,该方法也能显著提高检测率。 AI
影响 增强了检测模型滥用和保护专有LLM输出的能力。
排序理由 该集群包含一篇学术论文,详细介绍了一种检测蒸馏式大语言模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →