InterPol框架可去匿名化LM Arena模型

1. 12:00
   arXiv cs.AI

   InterPol：用插值偏好学习去匿名化 LM Arena

   论文提出 INTERPOL 框架，通过模型插值合成困难负样本并结合自适应课程学习，从 LM Arena 的匿名回答中识别目标模型，识别准确率显著优于 TF-IDF、词袋等统计特征基线。作者还在 Arena 对战数据上做了排名操纵模拟，量化这一漏洞的现实威胁。该工作发表于 EMNLP 2026，获 SAC highlight award。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。