提出ATLAS模型来源归因方法与MAABench基准

Minseok Ko 等论文作者发布 arXiv:2610.19583，提出基于似然的模型作者归因方法 ATLAS：通过比较文本在来源模型条件下的似然来识别生成模型，而非直接预测来源，并引入 token 级裁剪。 作者同时提出 MAABench 基准，用于评测未见领域和模型版本变化场景。基于论文摘要，ATLAS 在 MAABench 和 OpenTuringBench 上优于现有基线；当生成领域和模型版本同时变化时，准确率达 74.27%，较最强基线高 9.00 个百分点。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。