Who's Behind the Text? Robust Model Authorship Attribution

arXiv cs.AI · 15 oct, 06:00

Investigadores proponen ATLAS, un método para identificar qué modelo de lenguaje ha generado un texto (model authorship attribution), mejorando la robustez ante cambios de dominio y versiones nuevas del modelo. El trabajo aborda un problema de seguridad en IA: detectar uso malintencionado de LLMs en fraude académico, distilación de modelos y ciberataques, introduciendo además MAABench, un banco de pruebas para evaluar estos sistemas en condiciones prácticas.