热点事件观察中

研究团队提出ForgePrint框架伪造LLM文本指纹

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年10月1日，研究团队在arXiv发表论文提出ForgePrint框架。该框架通过定向重写技术，将大语言模型的文本输出伪造为目标模型的写作指纹，并将其能力蒸馏至支持单次推理的4B Student模型。在CNN/DM数据集的测试中，该4B模型面对留出分类器取得了70.2%的目标成功率，显著高于Teacher模型的54.1%以及最佳基线的39.3%。此外，在把开源模型的摘要伪造为商业模型指纹的场景下，成功率达到了68.3%。该项研究表明，现有的纯文本指纹归属机制容易受到定向重写的误导与攻击。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

10月1日

12:00
arXiv 自然语言处理
通过定向重写伪造大语言模型作者指纹
研究提出 ForgePrint 框架，通过定向重写将大语言模型的输出伪造为目标模型的写作指纹，并蒸馏至单次推理的 4B Student 模型。在 CNN/DM 上，该 4B 模型面对留出分类器实现了 70.2% 的目标成功率，优于 Teacher 模型的 54.1% 和最佳基线的 39.3%。在将开源模型摘要伪造为商业模型时成功率达 68.3%，表明纯文本指纹归属易被定向重写误导。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。