Newest papers

Model-intrinsic, Weight-level, and Training-free Spectral Fingerprinting for Large Language Models

Yanan He, Yanli Chen, Ling Xiong, Gejian Zhao, Hanzhou Wu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30626 · open-access PDF

Hindi

बड़े भाषा मॉडल (एलएलएम) की बढ़ती रिलीज और पुनरावृत्ति खुले वजन नियंत्रण बिंदुओं के रूप में मॉडल उंगली प्रिंट को स्वामित्व संरक्षण और ऑडिशन ऑडिशन के लिए महत्वपूर्ण बनाती है मौजूदा उंगली प्रिंट विधियां आमतौर पर पूछताछ प्रतिक्रियाओं, उत्पन्न आउटपुट, या इनपुट-इंड्रॉइड सक्रियणों से सबूत बनाती हैं। हालांकि प्रतिनिधित्व-आधारित सेटिंग्स में प्रभावी हैं, उन्हें तत्काल चयन, डिकोडिंग कॉन्फ़िगरेशन, निष्कर्ष वातावरण, और पूर्व-पुस्तक कार्यान्वयन द्वारा प्रभावित किया जा सकता है, जो उनकी अनुप्रयोगता को सीमित कर सकता है।

Machine translation (Meta M2M100); the English original follows.

Abstract

The increasing release and reuse of Large Language Models (LLMs) as open-weight checkpoints make model fingerprinting important for ownership protection and offline auditing. Existing fingerprinting methods typically construct evidence from query responses, generated outputs, or input-induced activations. Although effective in representation-based settings, they can be affected by prompt selection, decoding configuration, inference environment, and forward-pass implementation, which may limit their applicability. Here we introduce a model-intrinsic weight-level framework that derives compact f

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange