跳到正文
arXiv · AI· Yuejia Li, JunHeng Li, Hao Wu, Ke He, Mang Ye·· 2026-10-14AI 评分24

Radioactive Feedback:追踪仅基于标签 LLM 监督训练的模型

Radioactive Feedback: Tracing Models Trained by Label-Only LLM Supervision

AI 导读

Radioactive Feedback 提出一种通过奖励分数嵌入行为偏好模式的技术,实现仅基于标签 LLM 监督训练的模型检测。 该方法在代码和数学领域实验中验证了偏好可通过低带宽奖励信号跨数据集传递,支持对固定参考池进行黑盒检测。 解决了现有水印和蒸馏检测器无法覆盖仅分数反馈通道的问题,增强了 AI 模型溯源能力。

来源:arXiv · AI · arxiv.org