论文 4 篇 · 新闻 5 条
📄 论文精选
1. Large Language Models for Citation Context and Cited Content Recognition: From Boundary Detection to Evidence Grounding
中文标题： 大语言模型用于引文上下文与被引内容识别：从边界检测到证据锚定
作者： Shu-Qiao Yang, Xiao-Lei Ma, Ping He
会议/期刊： International Journal of English Literature and Social Sciences
发表时间： 2026
来源： 其他会议或期刊 匹配方向： LLM 账号、用户与作者识别（隐私/安全/滥用风险）
问题：现有 LLM 引文分析多围绕引文意图、功能、立场等任务展开，尚不清楚这些研究是否形成了更明确的引文识别框架；本文关注引文上下文、引文内容与被引内容的识别及证据 grounding。
方法：本文采用以识别为中心的综述视角，回顾 LLM 之前关于固定上下文窗口、解释性标签和被引文本跨度锚定的假设，并归纳五类 LLM 方法范式：提示与微调、LLM 辅助标注、长上下文识别、检索增强 grounding 和多维框架。
结果：综述将引文识别定义为识别引文语境、引文内容与被引内容等文本和语义单元；归纳出五种 LLM-based 方法范式，并指出下一阶段应更关注边界质量、内容一致性、证据忠实性与可复现性。
2. From Representations to Computational Trajectories: Intrinsic Fingerprinting for Large Language Model Provenance Verification
中文标题： 从表征到计算轨迹：面向大语言模型溯源验证的内在指纹识别
作者： Hai-Yong Tang, Han-Zhou Wu, Xin-Peng Zhang, Athanasios V. Vasilakos
会议/期刊： 未知会议/期刊
发表时间： 2026-10-26
来源： arXiv 预印本 匹配方向： 大模型指纹与模型溯源
问题：
大语言模型权重在未经授权获取后易被修改，导致模型来源难以验证；现有参数指纹对模型变换敏感，表示指纹又可能在无关模型间产生高相似性，鲁棒性与唯一性不足。
方法：
提出内在指纹方法 TrFP，基于计算轨迹而非参数或表示，捕获表示随网络深度的演化过程，并使用排列不变轨迹描述符构建紧凑指纹。
结果：
在多个 LLM 家族上的实验表明，TrFP 能可靠区分相关与无关模型，并在微调、剪枝、量化、模型合并、参数置换和自适应攻击下保持鲁棒性；指纹存储小于 0.3 MiB，且来源鉴别能力优于多种现有先进方法。
摘要未说明。
3. Every Model Leaves a Trace: Multi-Resolution LLM Fingerprinting
中文标题： 每个模型都会留下痕迹：多分辨率大语言模型指纹识别
作者： Mohammad Reza Modarres, Armin Tourajmehr, Artin Tavasoli, Yadollah Yaghoobzadeh, Mohammad Taher Pilehvar
会议/期刊： 未知会议/期刊
发表时间： 2026-10-20
来源： arXiv 预印本 匹配方向： 大模型指纹与模型溯源
问题：模型指纹在候选模型高度相似或明显表面线索被削弱时是否仍可识别；哪些文本属性（行为、风格、词汇、语义）保留模型身份信号；以及模型身份“分辨率”如何随模型相似度、可用文本量和迁移条件变化。研究进一步关注蒸馏师生、同一基础模型LoRA变体、跨提示分布、跨数据集和多语言条件下的可恢复性。
方法：提出“指纹分辨率”框架，包含模型分辨率（跨家族、家族内、蒸馏师生、LoRA适应变体）与信号分辨率（行为/格式、风格计量、词汇、语义），并将归因形式化为封闭集分类，以准确率度量可恢复性。主模型集为19个模型/8个家族，另有蒸馏与LoRA模型；文本视图包括原始T0、裁剪/格式清洗/小写的T1–T3、部分或全文改写的P1/P2及组合P1/P2。特征组包括行为结构、风格计量、词汇与语义冻结嵌入，另有PN嵌入与Combined拼接；分类主要用逻辑回归、五折按prompt分组分层交叉验证，并设计source-held-out、跨数据集留一法及英/中/波斯语泛化测试。
结果：指纹在跨家族、蒸馏师生和LoRA变体间均可检测；改写或编辑表面/词法线索会降低归因但仍高于机会。跨家族8分类中T3后词汇最强，P2*下Combined为55.87%，PN嵌入最高；家族内Llama对比跨家族整体更低。蒸馏师生对中Llama 8B→Minitron 4B的Combined为74.56%、PN为80.58%，Mistral对约99%/99.87%，Gemma对Combined 77.94%、PN 88.47%；LoRA的vs base准确率随α上升，如Llama GSM8K从51.6%到83.4%、Qwen从51.1%到93.5%，但相邻α多接近chance。证据量分析中50词时beginning/center约22%、ending约27%，全文约50%，ending最具信息量；跨数据集留一法D1、D2、D3、D4分别为84.19%、81.41%、68.63%、67.88%，其中Rewrite和Source synthesis任务最低；跨语言下语义表示最稳健。
4. Language Model Fingerprinting Requires Rethinking Watermark Teachers
中文标题： 语言模型指纹识别需要重新审视水印教师模型
作者： Jeongyeon Hwang, Anshul Nasery, Sewoong Oh, Jungseul Ok
会议/期刊： 未知会议/期刊
发表时间： 2026-10-03
来源： arXiv 预印本 匹配方向： 大模型指纹与模型溯源
问题：现有基于水印蒸馏的LLM指纹识别协议在开放生成中低估了文本质量下降，因而偏好过强的水印教师；减弱水印会提升文本质量，但会损害可检测性，形成质量与检测的权衡。
方法：作者重新思考验证生成文本的水印是否适合作指纹蒸馏教师，利用指纹验证可跨查询聚合信号的特点允许更稀疏的水印；并通过token surprisal分析信号放置，提出near-tie restriction，用top-1相对logit差距将水印偏置限制在接近基座模型最高预测的token上。
结果：在多个模型上，near-tie在部署变化下改善了检测—质量前沿，在不同查询预算下保持更高的文本质量，并且与现有水印方案结合时能进一步提升效果。
📰 今日值得关注的新闻
1. 谷歌发布Gemini 4 Carbon，网络安全与长程任务领先
谷歌发布前沿模型Gemini 4 Carbon，以59分登顶Artificial Analysis智能指数，领先Claude Opus 5.5和GPT-6 Astra。在SEC-bench Pro、ExploitGym、CWE-bench等网络安全基准上取得领先，谷歌称提示注入攻击成功率降至0.0%。
来源：Google · 2026-10-28 17:00
2. OpenAI发布GPT-6.1 Terra，网络安全达临界
OpenAI发布新模型GPT-6.1 Terra，其网络安全能力达到Critical阈值。
来源：OpenAI Deployment Safety · 2026-10-26T01:39
3. Anthropic红队：未发布模型发现并利用多款软件漏洞
Anthropic红队披露，其未发布模型在测试中发现并利用了多款软件漏洞。
来源：Anthropic Red Teaming · 2026-10-27T00:00
4. 参议员沃伦就IPO风险质询Anthropic
美国参议员沃伦致信Anthropic，要求11月3日前就IPO的安全与财务影响作出回答。信中引用S-1风险披露，包括先进AI可能构成存在性风险、模型可能抗关机或操纵等。
来源：美国参议院银行、住房和城市事务委员会民主党方面
5. Cloudflare披露GLM-5.3跨租户泄露并修复
Cloudflare披露GLM-5.3相关跨租户数据泄露，已修复。
来源：Cloudflare · 2026-10-26
数据来源：Semantic Scholar、arXiv、AI Safety HOT、Hacker News。内容由 DeepSeek 基于上述来源生成，重要事实请回到原文核对。