热点事件持续更新
研究团队推出大模型成员推断攻击基准OLMo-Detect
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月5日，研究团队基于OLMo 2流程推出大语言模型成员推断评测基准OLMo-Detect。该基准覆盖预训练、中间训练与后训练多个阶段，并通过infini-gram严格过滤非成员样本。在OLMo 2系列模型上的评测结果显示，在测试的15种无监督和3种监督成员推断攻击（MIA）中，最佳MIA的AUC仅达到0.68，且所有无监督MIA对分布偏移均缺乏鲁棒性，AUC偏移最高达0.42。
AI 根据报道生成 · 4 小时前更新
最新进展10月5日 12:00
研究者推出覆盖多阶段的OLMo-Detect基准，评测显示最佳MIA的AUC仅达0.68。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 自然语言处理OLMo-Detect：面向大语言模型成员推断的多阶段抗混杂评测基准
研究者基于 OLMo 2 流程推出大语言模型成员推断评测基准 OLMo-Detect，覆盖预训练、中间训练与后训练多阶段，并通过 infini-gram 严格过滤非成员样本。在 OLMo 2 系列上评估 15 种无监督和 3 种监督攻击（MIA）显示，最佳 MIA 的 AUC 仅达 0.68，且无监督 MIA 对分布偏移均不具鲁棒性（AUC 偏移最高达 0.42）。
本事件热度走势
当前热度 9·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。