多分辨率LLM指纹识别研究揭示模型特异性痕迹

2026年10月20日，Modarres等人发表《Every Model Leaves a Trace: Multi-Resolution LLM Fingerprinting》论文。研究发现，大语言模型生成的文本包含可识别的模型特异性痕迹。即便在蒸馏模型和LoRA适配版本中，这些指纹依然可以被检测到，证明了模型身份在特定条件下具有可恢复性。 研究团队通过抑制表面线索、改写输出及进行跨语言测试，深入分析了不同变换对指纹的影响。结果显示，随着表面变换的进行，词法和风格信号显著减弱，但语义表征在不同提示分布和语言间表现最为鲁棒。这一发现表明，语义层面的特征在识别模型身份方面具有更高的稳定性。 该研究证明模型身份可在多个分辨率下恢复，但可恢复性主要取决于模型间的相似度以及文本中可用的证据类型。这一结论为理解大语言模型的可辨识性提供了重要依据，同时也指出当前技术在对抗性改写或高度相似模型之间仍存在识别局限性。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。