Synthesis Data Reversion

New method combats data laundering in LLM training

一篇新研究论文介绍了一种名为合成数据逆转（SDR）的方法，旨在打击大型语言模型（LLM）训练中的数据洗钱行为。数据洗钱涉及转换专有数据以模糊其来源，使权利所有者难以检测未经授权的使用。SDR通过推断未知的洗钱转换并合成模仿洗钱数据的查询来工作，从而增强检测信号。该方法在MIMIR基准测试中得到验证，在增强各种LLM家族和洗钱实践中的数据滥用检测方面显示出了一致的有效性。