arXiv cs.CL· Minseok Ko, Hyunseok Lee, Woomin Song, Beomjun Kim, Jinwoo Shin, Kunwoong Kim·· 3 天前AI 评分31
ATLAS：面向分布偏移的鲁棒模型作者归属方法
Who's Behind the Text? Robust Model Authorship Attribution
AI 导读
针对现有模型作者归属（MAA）方法在领域与版本分布偏移下性能大幅下降的问题，研究者提出 ATLAS，通过源条件文本建模而非直接预测来源，在 token 级聚合带裁剪的似然证据完成归属。
正文 · AI 翻译
摘要：随着大语言模型（LLM）越来越多地被用于生成文本，其滥用已成为日益严重的社会问题，对学术不端、模型蒸馏和网络攻击等方面都有影响。出于这些原因，模型作者归属（MAA）——即识别给定文本的来源模型——对于促进 LLM 的负责任使用和提升 AI 安全性具有重要意义。在实践中，归属系统必须在训练期间观察到的分布之外仍保持可靠。它们可能遇到来自未见领域和写作场景的文本，以及来自系统训练时尚不可用的模型家族未来版本的生成内容。然而，现有的 MAA 方法在此类分布偏移下往往表现出显著的性能下降。为应对这一挑战，我们提出了基于似然的来源归属追踪（ATLAS），它通过以来源为条件的文本建模来构建 MAA，而非直接预测来源。ATLAS 学习每个来源家族的文本是如何生成的，并通过比较给定文本在每个已学习来源条件下的似然来对其进行归属。我们在 token 级别对似然证据进行裁剪聚合，使任何单个 token 都无法主导决策。我们进一步引入了 MAABench，一个广泛的 MAA 基准，用于评估领域和版本等实际 OOD 场景。我们的实验表明，ATLAS 在 MAABench 和 OpenTuringBench 上始终优于现有基线。特别是，当 MAABench 上的生成领域和模型版本同时变化时，ATLAS 达到了 74.27% 的准确率，比最强基线高出 9.00 个百分点。除 MAA 之外，ATLAS 还可以通过衡量目标 LLM 与哪个来源模型最相似，来帮助识别蒸馏来源模型。我们的扩展实验表明，ATLAS 能够还原我们所评估的每一个蒸馏模型已知的教师模型。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.19583 [cs.AI] |
| （或本版本使用 arXiv:2610.19583v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.19583 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Minseok Ko [查看电子邮件]
[v1]
2026年10月14日星期三 04:54:35 UTC（157 KB）
来源：arXiv cs.CL · arxiv.org