arXiv · NLP· Gonzalo Mancera, Julian Fierrez, Aythami Morales, Ruben Tolosana, Daniel DeAlcala, Francisco Jurado·· 2026-10-14AI 评分43
inLoRA-MINT:用于审计域适应 LLM 训练数据的内部表示方法
inLoRA-MINT: Internal Representations for Auditing Training Data in Domain-adapted LLMs
AI 导读
inLoRA-MINT 利用激活等中间表示审计 LoRA 微调 LLM 的训练数据,MINT 分类器在四个模型、三个数据集上达到 95% 至 98% 的区分准确率。 该方法无需完全访问模型参数,仅依赖中间信号即可判断样本是否参与训练,增强了数据隐私与合规审计能力。
来源:arXiv · NLP · arxiv.org