contamination-screening

#contamination-screening

SynthSentry：检测语言模型训练数据中的合成数据污染

arXiv cs.CL ↗ · 2026-09-14 缓存

SynthSentry介绍了一种语料库级别、模型无关的方法，用于检测语言模型训练数据中的合成数据污染，无需访问生成模型，基于词汇、n-gram和困惑度统计的分布散度。

0 人收藏 0 人点赞