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

Vietnamese

Sự phát hành ngày càng tăng và tái sử dụng các mô hình ngôn ngữ lớn (LLM) như các điểm kiểm tra trọng lượng mở làm cho dấu vân tay mô hình quan trọng cho việc bảo vệ quyền sở hữu và kiểm toán ngoại tuyến. Các phương pháp vân tay hiện có thường xây dựng bằng chứng từ câu trả lời truy vấn, đầu ra được tạo ra hoặc kích hoạt do đầu vào gây ra. Mặc dù hiệu quả trong các thiết lập dựa trên đại diện, chúng có thể bị ảnh hưởng bởi lựa chọn nhanh, cấu hình giải mã, môi trường suy luận và triển khai chuyển tiếp, có thể hạn chế khả năng áp dụng của chúng.

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