📖 AI 总结

本文提出了一种面向开放权重模型家族的"方向性溯源"方法，旨在解决现有模型溯源技术只能判断两个检查点是否相关、却无法确定谁先谁后的局限。作者指出，传统方法多依赖表示相似度、权重相似度或行为指纹等对称性证据，本质上无法为关系定向。为此，论文引入"见证重叠"（Witness Overlap）机制：不再直接比较两个检查点，而是引入同家族的第三个检查点作为"见证"，通过比较两端点周围的局部几何结构，判断哪一个更像分支父节点。该方法无需提示词、无需训练，属于白盒测试。在来自16个家族的176个LLM检查点上，单见证测试使用Frobenius余弦相似度成功定向了95.3%的父子判定。研究还评估了根节点识别、同级区分、向视觉语言模型与扩散模型家族的泛化能力以及链式排序，并发现该信号对权重噪声和稀疏剪枝具有鲁棒性，其中基于SVD的权重降维变体比Frobenius余弦更为稳健。该工作为开放权重生态中的模型谱系审计提供了可行的方向性判定工具。

🔑 关键词速览