LIDAR：看编程代理怎么修一个失败的测试，就能认出里面是哪个模型
这个代理背后到底是谁家的模型？上周这不再是学术问题了：有篇博客声称 Meta 的 Muse 暗地里跑的是一个标着 muse-special 的 OpenAI 模型。Chuyi Wang、Yong Cui 等人 9 月 23 日挂出的论文，给这类指控提供了一套方法。
传统的模型指纹看的是文本和 token 分布。放进编程代理里，这些信号会被系统提示词、控制逻辑、工具和执行反馈冲淡。LIDAR，全称 LLM Identification from Decisions and Actions at Runtime，改看行为。它跑三组编程探针，分别暴露模型怎么处理改完代码后的自我验证、怎么从临时故障里恢复、需求和测试冲突时站哪边，每组都带受控变体。然后用一个轻量概率识别器，把得到的执行轨迹和干净参考样本比对。不需要权重，不需要 logits，不需要厂商内部权限。
在七个家族的 36 个模型、两种代理框架上，它的 top-1 准确率很高，超过了四个现有的指纹和 API 审计基线。消融实验显示每组探针、两个层级的特征都有贡献。
马上就有两个用处。买家可以核实自己付高价买的模型确实是在跑的那个，因为偷偷换成便宜模型会改变安全相关的决策，比如代理改完要不要验证。另外，厂商指控类的新闻，除了逆向日志格式之外，终于有了第二种方法。而 muse-special 那条指控现在缺的，恰恰就是一个独立的第二次确认。论文：arxiv.org/abs/2609.28559。
← 返回所有文章
传统的模型指纹看的是文本和 token 分布。放进编程代理里，这些信号会被系统提示词、控制逻辑、工具和执行反馈冲淡。LIDAR，全称 LLM Identification from Decisions and Actions at Runtime，改看行为。它跑三组编程探针，分别暴露模型怎么处理改完代码后的自我验证、怎么从临时故障里恢复、需求和测试冲突时站哪边，每组都带受控变体。然后用一个轻量概率识别器，把得到的执行轨迹和干净参考样本比对。不需要权重，不需要 logits，不需要厂商内部权限。
在七个家族的 36 个模型、两种代理框架上，它的 top-1 准确率很高，超过了四个现有的指纹和 API 审计基线。消融实验显示每组探针、两个层级的特征都有贡献。
马上就有两个用处。买家可以核实自己付高价买的模型确实是在跑的那个，因为偷偷换成便宜模型会改变安全相关的决策，比如代理改完要不要验证。另外，厂商指控类的新闻，除了逆向日志格式之外，终于有了第二种方法。而 muse-special 那条指控现在缺的，恰恰就是一个独立的第二次确认。论文：arxiv.org/abs/2609.28559。
评论