Sentient 推出首個開放基準，測試 AI 模型能否證明自身來源

Sentient 研究人員發現，包括 Sentient 自身方案在內，幾乎所有接受測試的模型指紋技術都可能被繞過。為此，全新的 Fingerprinting Leaderboard 將通過公開評測，檢驗哪些技術能夠真正經受住模型複製、微調、蒸餾及攻擊的考驗。

訓練一個 AI 模型可能需要耗費數百萬美元，但一旦模型被複製、微調或蒸餾成另一個模型，要證明它最初來自哪裡，就可能變得異常困難。

Sentient 研究人員近期測試了十種旨在解決這一問題的技術方案，結果發現，即使不影響模型的實用性，足夠複雜的攻擊手段仍然能夠繞過其中幾乎所有方案，包括 Sentient 自己開發的模型指紋技術。

如今，Sentient Foundation 正式推出 Fingerprinting Leaderboard，這是一個開放的評測基準，旨在衡量哪些模型指紋技術真正有效、它們對模型性能有多大影響，以及這些指紋能否在遭遇移除攻擊時繼續保留。

隨著越來越多能力強大的 AI 模型被發布、微調、蒸餾和重新封裝，這一問題正變得愈發重要。模型權重可以被複製，元數據也可能消失，使得開發者很難通過可靠的方式證明，另一個模型實際上源自自己的工作成果。

模型指紋技術提供了一種不同的思路：將來源證明直接嵌入模型本身。

Sentient Foundation 風險投資與增長總監 Sachi Kamiya 表示："AI 模型正在成為全球最有價值的知識產權之一，但一旦模型被複製或蒸餾，證明其所有權就會變得極其困難。模型指紋技術將證明直接嵌入模型之中。你可以把它理解為 AI 領域的隱藏標記，就像文藝復興時期的畫家通過在作品中留下隱秘標記來證明自己的創作身份一樣。"

隱藏在模型內部的簽名

模型指紋技術（Model Fingerprinting）由 Sentient Labs 及該領域的其他研究人員共同探索和發展。它泛指一類通過創建、發現或驗證模型特有信號，來識別模型身份或追溯其來源與演化關係的技術。

Sentient 自身的方案是在模型訓練過程中嵌入隱藏的行為簽名。之後，當模型所有者懷疑某個模型是由原始模型衍生而來時，只需要能夠通過 API 訪問這個可疑模型，就可以發送預設的秘密驗證提示詞，並檢查模型的響應，從而判斷其中是否仍然保留著原始模型的痕跡。

簡單來說，模型本身就攜帶著能夠證明其來源的證據。

Sentient Labs AI 研究員 Eduardo Contente 解釋道："這種標記是在訓練過程中編碼進模型的行為簽名。之後，我們可以通過特定的驗證提示詞來檢查它，判斷可疑模型是否仍然保留著原始模型的痕跡。"

這為 AI 帶來了一項長期以來所缺乏的能力：直接從模型本身驗證其來源，而不再僅僅依賴日誌、元數據或外部調查。

單個模型中嵌入 24,576 個指紋

Sentient 研究人員已經證明，模型指紋技術的規模可以遠遠超越此前的方案。

Sentient 的 Perinucleus 方法曾在 NeurIPS 2025 上受到重點關注。該方法成功在 Llama-3.1-8B 模型中嵌入了 24,576 個指紋，同時僅造成極小的模型實用性損失，並且其中許多指紋在後續微調後仍然得以保留。

這一規模具有重要意義。更多的指紋意味著更高的統計置信度、更多驗證模型來源的機會，以及模型在被複製或分發過程中更強的抵抗能力。

但規模只是問題的一半。更困難的問題在於：當有人主動嘗試移除這些指紋時，它們還能否繼續存在？

Sentient 嘗試破解模型指紋，包括自己的方案

Sentient Labs 的最新研究表明，現有的許多模型指紋和水印技術，在面對複雜攻擊時仍然存在明顯的脆弱性。

在 SaTML 2026 上發表的研究中，Sentient 研究人員針對近期提出的十種模型指紋方案設計了自適應攻擊。結果發現，足夠複雜的攻擊者幾乎可以繞過所有這些方案，同時保持模型的實用性。

其中也包括 Sentient 自己的 Perinucleus 方法。

Sentient 並沒有選擇掩蓋這些弱點，而是將研究結果公開發表。

Fingerprinting Leaderboard 的目標，就是將這一對抗性測試過程轉化為開放的評測基準。首個版本主要評估不同技術能否在不降低模型性能的情況下有效嵌入指紋。即將推出的後續版本還將加入對抗魯棒性評測，檢驗這些指紋在面對有意移除或規避它們的攻擊時，究竟能夠保留到什麼程度。

目標很簡單：模型指紋不應該只是在研究基準測試中表現良好，更應該能夠抵禦那些試圖主動破壞它的攻擊。

向研究社區開放測試

與 Fingerprinting Leaderboard 一同發布的，還有 Sentient 開源的 mlprints 工具庫。該工具庫將不同的模型指紋技術及其攻擊方法整合到統一的評估框架之中。

研究人員可以利用這一框架實現新的指紋方案、開發新的攻擊方法、復現已有研究結果，並在統一的測試條件下比較不同技術的表現，推動整個領域持續發展。

Fingerprinting Leaderboard 將與研究社區共同演進，把模型指紋技術的研究轉變為一個開放的測試環境。在這裡，任何關於技術魯棒性的主張都可以接受獨立驗證，而不再僅僅依賴研究者自身的結論。

開放模型，同時保留所有權

模型指紋技術有望幫助解決開源 AI 面臨的一個重大難題。

如今，開發者往往需要在兩種選擇之間做出權衡：要麼保持模型權重封閉，以維持對模型的控制權；要麼開放模型權重，但隨之失去對模型如何被複製和複用的可見性。

模型指紋技術提供了第三種可能。

它並不試圖阻止模型被複製，而是在複製發生之後，仍然保留能夠證明模型來源的證據。這些證據未來可以用於支持來源歸屬認定、授權許可執行、經濟權益保障，以及其他圍繞可驗證模型來源構建的機制。

通過讓模型來源變得可驗證，Sentient 的模型指紋研究和 Fingerprinting Leaderboard 旨在推動建立一個更加開放的 AI 生態系統。在這一生態中，模型可以自由分享，並被其他開發者用於進一步創新，而原始創作者不必因此自動放棄證明技術來源的能力。

更長期的目標則更加具有挑戰性：讓模型指紋與模型自身的能力深度綁定，以至於任何試圖移除指紋的行為，都会同時損害模型本身的能力。

知識產權，有據可證。了解你的模型。

關於 Sentient Foundation

Sentient Foundation 是一家非營利組織，致力於確保通用人工智能（AGI）保持開源，並與人類的利益和價值觀保持一致。

基金會以中立性和透明度為核心原則，推動開源 AGI 在全球範圍內的普及，倡導 AI 對齊與安全標準，向全球開發者提供資助，並協調建立負責任的 AI 開發治理框架。

關於 Sentient Labs

Sentient Labs 是 Sentient Foundation 旗下負責技術研究與產品開發的機構。

Sentient Labs 致力於推動推理、AI 對齊和多智能體協作領域的前沿應用研究，並開發包括 ROMA、OML 和 Arena 在內的開源框架與模型，展示社區驅動型人工智能的潛力。

其工作還包括支持開源工具實現商業化，通過整個生態系統範圍內的協作提升開源 AI 生態的質量和實用性，並提供必要的分發渠道，推動開源成為 AI 領域的默認標準。