OLMo-Detect成员推断基准发布
热点事件持续更新
OLMo-Detect成员推断基准发布
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Tao Shi等作者提出并发布OLMo-Detect，一个基于全开放OLMo 2流程构建的多阶段、混杂因素受控成员推断基准，覆盖预训练、中训练与后训练三个阶段，并用infini-gram严格过滤非成员样本。 在OLMo 2系列上评测15种无监督与3种有监督成员推理攻击，最佳AUC仅0.68；无监督方法在分布偏移下AUC最多变化0.42。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
OLMo-Detect：面向大语言模型成员推理的多阶段、混杂因素受控基准报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.CLOLMo-Detect：面向大语言模型成员推理的多阶段、混杂因素受控基准
基于全开放 OLMo 2 流程构建的 OLMo-Detect 基准覆盖预训练、中训练与后训练三个阶段，并用 infini-gram 严格过滤非成员样本。在 OLMo 2 系列上评测 15 种无监督与 3 种有监督成员推理攻击，最佳 AUC 仅 0.68，且无监督方法在分布偏移下 AUC 最多变化 0.42。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。