canary tokens

新方法使用唯一令牌识别 LLM 网页抓取器

研究人员开发了一种新颖的方法，可以自动识别哪些大型语言模型 (LLM) 被特定的网页抓取器喂养数据。该技术涉及托管动态网站，为每个访问的抓取器提供唯一的“金丝雀令牌”。通过提示 LLM 并观察它们是否持续生成包含这些唯一令牌的输出，研究人员可以推断出哪些抓取器正在向哪些 LLM 提供数据。对 22 个生产 LLM 系统进行的实验证明了该方法在识别先前未知的抓取器-LLM 连接方面的可靠性，为非特权第三方提供了一种了解数据来源并可能控制…