研究提出inLoRA-MINT成员推断方法

研究提出 inLoRA-MINT，用激活和参数相关信号等中间表示训练 MINT 分类器，在无需完整访问模型参数的条件下判断样本是否被用于 LoRA 微调。该方法在 Qwen、Phi-4、DeepSeek-V3 和 LLaMA 3.2-3B 四个模型、覆盖医学、数学和学术推理的三份数据集上取得 95% 至 98% 的一致成绩，并对模型配置和数据分布变化保持稳健。 作者称，该方法建立在先前仅依赖困惑度、严格黑盒设定下的 LoRA-MINT 框架之上；实验虽聚焦 LoRA 微调，方法可扩展至其他大模型适配技术乃至其他 AI 模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。