事件历史事件
TrFP：基于计算轨迹的LLM内在指纹溯源方法
先了解这件事
AI 综述
研究者提出基于计算轨迹的LLM内在指纹方法TrFP：以置换不变的轨迹描述子捕捉表示随网络深度的演化并构建指纹，无需改动模型即可验证来源。在多个LLM系列上可靠区分相关与无关模型，在微调、剪枝、量化、模型合并、参数置换和自适应攻击下保持稳健，存储不足0.3 MiB，来源区分能力优于多个SOTA方法。
AI 根据报道生成 · 13 天前更新
走势与进展
每小时关注度
现在 24，24 小时 0%·峰值 24（11月6日 03:00）
11月7日11月8日11月9日11月10日11月11日11月12日11月13日现在 24
相关研究
这件事的论文
- 从表示到计算轨迹：面向大语言模型来源验证的内在指纹方法 TrFP
arXiv · 2026-10-26 · 深度解读
后续时间线
10月26日
- arXiv从表示到计算轨迹：面向大语言模型来源验证的内在指纹方法 TrFP
研究者提出基于计算轨迹的大语言模型内在指纹方法 TrFP，无需改动模型即可验证模型来源。TrFP 捕捉表示随网络深度的演化，用置换不变的轨迹描述子构建指纹，在多个 LLM 系列上可靠区分相关与无关模型。指纹在微调、剪枝、量化、模型合并、参数置换和自适应攻击下保持稳健，存储不足 0.3 MiB，来源区分能力优于多个 SOTA 方法。