Опечатывание мультимодальных моделей большого языка

arXiv:2609.20457v1 Аннонс Тип: перекрестное резюме: В то время как мультимодальные модели большого языка (MLMS) позволяют выполнять широкий круг задач по обоснованию изображений и текстов, недавние инциденты указывают на их уязвимость для незаконного развертывания и несанкционированной перегонки. Существующие решения в отношении происхождения моделей, как правило, сводятся на нет общими языковыми опорами MLLM и ведут борьбу за выявление нарушений дистилляции. Для того чтобы преодолеть этот пробел и защитить право собственности на модель, мы представляем первое исследование по мультимодальной модели отпечатков пальцев. Вдохновленные недавними выводами о том, что самосознание действует в качестве фильтра с низкой частотой и его низкочастотные компоненты информативны, мы развиваем AttnPrint для лейтенанта белой коробки. В частности, мы извлекаем межрезонансное распределение внимания и изолируем их низкочастотные компоненты для моделирования отпечатков пальцев. Для облегчения аудита черного ящика мы далее введем DistillTrace, которая использует гипотезу проверки результатов MLM для выявления возможных нарушений моделей. Мы создаем