arXiv cs.CL· Mohammad Reza Modarres, Armin Tourajmehr, Artin Tavasoli, Yadollah Yaghoobzadeh, Mohammad Taher Pilehvar·· 11 小时前AI 评分38
每个模型都留下痕迹：多分辨率 LLM 指纹识别研究
Every Model Leaves a Trace: Multi-Resolution LLM Fingerprinting
AI 导读
研究提出“指纹分辨率”框架，从模型分辨率（跨家族、蒸馏及适配变体）和信号分辨率（行为、文体、词汇、语义）两个维度考察 LLM 生成文本的可追溯性。结果显示指纹可超越家族差异，在蒸馏模型乃至同一基座模型的 LoRA 适配版本中仍可检测；表面与词汇线索被改写后归因减弱，但仍有大量模型特异信号残留，且这些信号可跨提示分布与语言迁移，语义表征跨语言最稳健。
正文 · AI 翻译
摘要：大语言模型会在其生成的文本中留下模型特有的痕迹，但这些指纹能以多细的粒度区分相关模型，以及在明显线索被削弱后哪些信号仍具信息量，目前尚不清楚。我们通过指纹分辨率来研究这一问题，同时考虑模型分辨率（从不同家族到蒸馏和适配变体）以及信号分辨率（涵盖行为、文体计量、词汇和语义证据）。我们逐步抑制表层线索、对输出进行改写、改变可用文本量，并测试跨提示分布和语言的泛化能力。结果表明，指纹能够超越宽泛的家族差异而持续存在，在蒸馏模型乃至同一基础模型的 LoRA 适配版本中仍可被检测到。尽管随着表层和词汇线索被改变，归因会减弱，但仍有大量模型特有信号保留下来。这些信号可跨提示来源和语言迁移，其中语义表示在跨语言时最为稳健。这些发现表明，模型身份可在多个分辨率上被恢复，但可恢复性取决于模型相似度以及文本中可用的证据。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.28434 [cs.CL] |
| （或本版本使用 arXiv:2610.28434v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2610.28434 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Artin Tavasoli [查看邮箱]
[v1]
2026年10月20日星期二 16:00:34 UTC（198 KB）
来源：arXiv cs.CL · arxiv.org